wykłady z analizy układów dynamicznych
Transkrypt
wykłady z analizy układów dynamicznych
Analiza ukladów dynamicznych Bogdan Przeradzki 21 stycznia 2008 Literatura [1] B. Przeradzki ,,Teoria i praktyka równań różniczkowych zwyczajnych” [2] M. Hirsch, S. Smale, R. Devaney ,,Differential Equations, Dynamical Systems and an Introduction to Chaos” [3] S. Strogatz ,,Nonlinear Dynamics and Chaos” [4] H. Schuster ,,Chaos deterministyczny” [5] I. Stewart ,,Czy Bóg gra w kości” [6] R. Temam ,,Infinite-dimensional Dynamical Systems in Mechanics and Physics” [7] I. D. Chueshov ,,Introduction to the Theory of Infinite-Dimensional Systems” 1 Uklady dynamiczne – przyklady Niech X bedzie zbiorem. Ukladem dynamicznym w X nazywamy dowolna֒ ֒ rodzine֒ {St : t ≥ 0} odwzorowań X w siebie taka,֒ że (i) S0 = idX , (ii) St ◦ Sτ = St+τ dla dowolnych t, τ ≥ 0. Istnieje bogata teoria, w której na X zadana jest miara, a odwzorowania St ja֒ zachowuja֒ (teoria ergodyczna). Tu bedziemy rozważać teorie, ֒ ֒ w której X jest przestrzenia֒ metryczna,֒ a odwzorowanie [0, ∞) × X ∋ (t, x) 7→ St (x) jest ciag ֒ le. Przestrzeń X nazywamy przestrzenia֒ fazowa֒ ukladu dynamicznego. Jak widać rodzina St , t ≥ 0 stanowi pólgrupe֒ ciag ֒ lych odwzorowań X w siebie. Czasami (np.w [1]) przez uklad dynamiczny rozumie sie֒ grupe֒ St , t ∈ R spelniajac ֒ a֒ powyższe warunki. Zauważmy, że pociaga to za soba֒ odwracalność wszystkich St , bo ֒ St ◦ S−t = S−t ◦ St = idX wszystkie te odwzorowania staja֒ sie֒ homeomorfizmami przestrzeni X na siebie. Przyklad 1. Rozważmy autonomiczne równanie różniczkowe zwyczajne: x′ = f (x), 1 gdzie f : Rk ⊃ X → Rk jest odwzorowaniem lipschitzowsko ciag ֒ lym (tzn. lokalnie spelniajacym warunek Lipschitza) na otwartym zbiorze ֒ X, przy czym jedyne rozwiazanie dowolnego zagadnienia poczatkowego ֒ ֒ dla tego równania jest przedlużalne na cala֒ prosta.֒ Jeśli f nie gwarantuje tego ostatniego, to istnieje funkcja skalarna α : X → (0, ∞) taka, że pole wektorowe αf już ten warunek spelnia (por. [1], str. 856). Niech St (x0 ) dla x0 ∈ X oznacza wartość rozwiazania zagadnie֒ ′ nia poczatkowego x = f (x), x(0) = x0 w chwili t. Ciag ֒ ֒ lość odwzorowania (t, x) → St (x) wynika z tw. o ciag lej zależności rozwiazania ֒ ֒ od warunku poczatkowego, warunek (i) jest oczywiście spe lniony, a wa֒ runek (ii) jest konsekwencja֒ jednoznaczności rozwiazania zagadnienia ֒ poczatkowego. Tutaj S jest określone dla wszystkich t ∈ R. t ֒ Przyklad 2. Rozważmy autonomiczne równanie różniczkowe z opóźnionym argumentem: x′ − Ax = f (x(t − r)), gdzie x ∈ Rk , A jest odwzorowaniem liniowym Rk w siebie, r > 0, a f : Rk → Rk jest ciag ֒ le. Równanie takie rozpatruje sie֒ wraz z warunkiem poczatkowym ֒ x|[−r,0] = φ, gdzie φ ∈ C([−r, 0], Rk ) jest ustalona֒ funkcja֒ ciag ֒ la. ֒ Nietrudno zauważyć (wzór na uzmiennianie stalych), że rozwiazaniem dla t ∈ [0, r] jest ֒ Z t x(t) = exp tAφ(0) + exp (t − s)Af (φ(s − r)) ds. 0 Powtarzajac ֒ ten argument dla przedzialów o dlugości r [r, 2r], [2r, 3r], i.t.d. możemy otrzymać rozwiazanie dla wszystkich t ≥ 0. Zdefiniujmy ֒ przy pomocy tego rozwiazania x rodzin e֒ odwzorowań ֒ St (φ)(s) = x(t + s), t ≥ 0, dla φ ∈ C([−r, 0], Rk ) i s ∈ [−r, 0]. Otrzymaliśmy uklad dynamiczny w przestrzeni X = C([−r, 0], Rk ). Poza tym, że tym razem St nie musza֒ być odwracalne i St jest określone dla t ≥ 0 mamy tu jeszcze dim X = ∞ w odróżnieniu od poprzedniego przykladu, gdzie dim X = k. Przyklad 3. Rozważmy paraboliczne równanie różniczkowe czastkowe ֒ postaci: ut = µ∆u + f (x, u), gdzie µ > 0, ∆ oznacza laplasjan we wspólrzednych przestrzennych ֒ ∆u = n X u xi xi , i=1 a f : Ω × R → R jest funkcja֒ ciag ֒ la, ֒ Ω – otwarty i ograniczony podzbiór Rn o dostatecznie gladkim brzegu. Rozpatrywane równanie jest nielinowe 2 w odróżnieniu od badanych w poprzednim semestrze, o ile zależność f od u nie jest liniowa. Poszukujemy rozwiazań spelniajacych warunek ֒ ֒ brzegowy Dirichleta lub Neumanna – weźmy ten drugi; ∂u (x, t) = 0, ∂ν x ∈ ∂Ω, t ≥ 0, oraz pewien warunek poczatkowy ֒ u(x, 0) = φ(x), gdzie φ ∈ L2 (Ω) jest ustalona֒ funkcja.֒ Można pokazać, że jeśli f spelnia warunek Lipschitza wzgledem u, to równanie to (z warunkiem brzego֒ wym i poczatkowym) posiada dokladnie jedno rozwiazanie, które spelnia ֒ ֒ równanie calkowe Z t u(x, t) = Ft (φ) + Ft−s f (x, u(x, s)) ds, 0 gdzie Ft (ψ) jest rozwiazaniem zagadnienia liniowego ֒ ut = µ∆u, ∂u |∂Ω = 0, ∂ν u(·, 0) = ψ, (por. [7]). Rozwiazanie to jest określone dla wszystkich t ≥ 0 i u(·, t) ֒ 2 jest stale funkcja֒ z L (Ω). W ten sposób powstaje uklad dynamiczny St (φ) = u(·, t) w przestrzeni (znowu nieskończenie wymiarowej) L2 (Ω). Teoria przenosi sie֒ bez zmian na przypadek nielinowych ukladów parabolicznych, tzn. funkcja u może przyjmować wartości wektorowe Rk . Powyższe trzy przyklady uzasadniaja֒ znaczenie teorii ukladów dynamicznych. Podamy jeszcze przyklad ważny teoretycznie. Przyklad 4. Niech X bedzie przestrzenia֒ funkcji ciag ֒ ֒ lych i ograniczonych R → R z norma֒ ||x|| = sup |x(τ )| τ ∈R (zbieżność jednostajna). Rozważmy rodzine֒ St : X → X, t ∈ R, dana֒ wzorem St (x)(τ ) = x(t + τ ). Stanowi ona uklad dynamiczny w X. W tym przykladzie przestrzeń X możemy wybrać inaczej: przestrzeń funkcji okresowych z ta֒ sama֒ norma֒ lub przestrzeń Lp (R), 1 ≤ p ≤ ∞. Jeżeli w definicji ukladu dynamicznego zastapimy t ∈ [0, ∞) przez t ∈ ֒ N, to otrzymamy tzw. dyskretny uklad dynamiczny. Nietrudno zauważyć, że jest on zadany tylko przez podanie S1 : X → X, bowiem Sn = S1 ◦ . . . ◦ S1 (n zlożeń) dla n > 1, a S0 = idX . Jeżeli mamy uklad dynamiczny z czasem ciag ֒ lym St , t ≥ 0, i ustalimy ,,jednostke” czasu T, to otrzymamy dyskretny uklad dynamiczny Vn , ֒ n ∈ N, dany wzorem Vn = SnT . 3 2 Podstawowe pojecia teorii ukladów dy֒ namicznych Niech St , t ≥ 0 bedzie ukladem dynamicznym w X (z czasem ciag ֒ lym). ֒ Trajektoria֒ punktu x nazywamy każdy zbiór postaci γ(x) = {u(t) : t ∈ R}, gdzie St u(τ ) = u(t + τ ) dla τ ∈ R, t ≥ 0 i u(0) = x. Póltrajektoria֒ dodatnia֒ tego punktu nazywamy cześć trajektorii γ + (x) = {u(t) : t ≥ ֒ 0} – u określona powyżej, a póltrajektoria֒ ujemna֒ – cześć trajektorii ֒ + γ (x) = {u(t) : t ≤ 0}. Zauważmy, że póltrajektoria dodatnia jest określona jednoznacznie przez wybór punktu x : γ + (x) = {St (x) : t ≥ 0}, a póltrajektoria ujemna niekoniecznie. Cala trajektoria jest jednoznacznie wyznaczona przez x, o ile St sa֒ homeomorfizmami X na siebie. Wystarczy zreszta,֒ aby St0 byl homeomorfizmem dla pewnego t0 > 0, by wszystkie St , t ≥ 0 −1 byly takie i można dookreślić St dla t < 0 wzorem St = S−t . Trajektoria֒ punktu x jest wtedy γ(x) = {St (x) : t ∈ R}. Analogiczne definicje i uwagi można powtórzyć dla ukladów z czasem dyskretnym zastepuj ac ֒ R przez Z i [0, ∞) przez N. ֒ Wyróżnione sa֒ dwa rodzaje trajektorii: punkty stale (inaczej stacjonarne) γ + (x) = {x} oraz trajektorie okresowe γ(x) = {u(t) : t ∈ R} takie, że dla pewnego T 6= 0 mamy u(t + T ) = u(t) dla wszystkich t ∈ R. Liczbe֒ T nazywamy wtedy okresem trajektorii. Zbiór okresów danej trajektorii stanowi podgrupe֒ grupy liczb rzeczywistych z dodawaniem; jeśli ta podgrupa pokrywa sie֒ z R, to x jest punktem stalym, w przeciwnym razie istnieje najmniejszy okres dodatni zwany okresem podstawowym. W ukladach dynamicznych, dla których St nie sa֒ homeomorfizmami moga֒ sie֒ pojawić także trajektorie granicznie stale i granicznie okresowe. Granicznie stala jest trajektoria γ(x) = {u(t) : t ∈ R} taka, że u(t) = const dla dostatecznie dużych t, a trajektoria granicznie okresowa spelnia u(t + T ) = u(t) dla pewnego ustalonego T i dostatecznie dużych t. W ,,pelnych” ukladach dynamicznych takich możliwości nie ma. Zbiór A ⊂ X nazywamy niezmienniczym (dla ustalonego ukladu dynamicznego w X), jeśli St (A) = A, dla każdego t ≥ 0, dodatnio niezmienniczym, jeśli St (A) ⊂ A, dla każdego t ≥ 0, i ujemnie niezmienniczym, jeśli St (A) ⊃ A, dla każdego t ≥ 0. Latwo zauważyć, że trajektorie γ(x) sa֒ zbiorami niezmienniczymi, póltrajektorie dodatnie (odp. ujemne) sa֒ zbiorami dodatnio (odp. ujemnie) niezmienniczymi. 4 Zbiorem ω-granicznym punktu x nazywamy zbiór wszystkich granic ciagów zbieżnych ֒ gdzie tn → +∞; lim Stn (x), n→∞ oznaczamy go ω(x). Inaczej ω(x) = \[ St (x). s≥0 t≥s Ta druga równoważna definicja pozwala na proste uogólnienie, gdy zbiór {x} zastapimy przez dowolny podzbiór A ⊂ X : ֒ ω(A) = \[ St (A). s≥0 t≥s Można też odwrócić kierunek czasu określajac ֒ zbiory α-graniczne punktu i zbioru np. \[ St−1 (A). α(A) = s≥0 t≥s Gdy St sa֒ homeomorfizmami możemy powiedzieć, że zbiór α(x) jest zbiorem granic ciagów zbieżnych ֒ lim St−1 (x) = S−tn (x), n n→∞ gdzie tn → +∞. Warto zauważyć, że zbiory graniczne moga֒ być (i czesto sa) ֒ puste. Zbiory ֒ ω(A) sa֒ dodatnio niezmiennicze, a gdy St sa֒ homeomorfizmami, także niezmiennicze. W tym drugim przypadku także zbiory α(A) sa֒ niezmiennicze. Latwo znaleźć zbiory graniczne dla punktu stalego i trajektorii okresowej. Wszystkie definicje i uwagi pozostaja֒ w mocy dla ukladów dyskretnych, gdy argument rzeczywisty t zastapimy przez calkowity. ֒ Przyklad. Rozważmy równanie autonomiczne na plaszczyźnie: p ′ x = x − y − xp x2 + y 2 y ′ = x + y − y x2 + y 2 albo po zamianie na wspólrzedne biegunowe (r, θ) ֒ ′ r = r(1 − r) θ′ = 1. To ostatnie latwo rozwiazać, bo zmienne r i θ sa֒ odseparowane. Na֒ wet bez znajdowania jawnej postaci rozwiazania widzimy, że r(t) = 0 ֒ ′ i r(t) = 1 sa֒ dwoma rozwiazaniami sta lymi r = r(r − 1) co wraz z ֒ 5 θ(t) = t − const daje dwie trajektorie wyjściowego ukladu: punkt staly w poczatku ukladu wspólrzednych i trajektorie֒ okresowa֒ – okrag ֒ ֒ ֒ r = 1. Dla ′ r(t0 ) ∈ (0, 1) r (t0 ) > 0, wiec ֒ a. ֒ Ponieważ trajektorie ֒ r jest funkcja֒ rosnac nie moga֒ sie֒ przecinać, r(t) zbliża sie֒ do okregu r = 1 przy t → +∞. ֒ Analogicznie r(t) → 0 przy t → −∞. Jeżeli r(t0 ) > 1, wówczas r jest malejaca i znowu r(t) → 1 przy t → +∞ i r(t) → ∞ przy t → −∞. W ֒ rezultacie dla punktów kola otwartego K(0, 1) z wycietym środkiem zbio֒ rem α-granicznym jest {(0, 0)}, a zbiorem ω-granicznym okrag ֒ ∂K(0, 1), a dla punktów z R2 \ K(0, 1) zbiór α-graniczny jest pusty, a zbiorem ω-granicznym jest ten sam okrag zbiorami nie֒ ∂K(0, 1). Domknietymi ֒ zmienniczymi sa:֒ poczatek uk. wsp. (0, 0), kolo K(0, 1), oraz jego brzeg ֒ (no i cala plaszczyzna). 3 Atraktory – różne definicje Zbiór ograniczony A ⊂ X nazywamy atraktorem globalnym (dla określonego w X ukladu dynamicznego), jeśli A jest niezmienniczy i spelnia warunek jednostajnego przyciagania zbiorów ograniczonych tzn. dla każdego ֒ zbioru ograniczonego B ⊂ X lim sup d(St (x), A) = 0, t→∞ x∈B gdzie d(y, C) = inf z∈C d(y, z) oznacza odleglość punktu y od zbioru C dana֒ przez metryke֒ d w X. Globalny atraktor jest jednoznacznie określony (o ile istnieje) – wystarczy zastosować warunek jednostajnego przyciagania najpierw dla B = A1 i A = A2 , a później odwrotnie uwzgledniaj ac ֒ ֒ ֒ niezmienniczość obu zbiorów. Ponadto dla każdego zbioru ograniczonego B, ω(B) ⊂ A. Zalóżmy, że istnieje atraktor globalny A. Rozważmy rodzine֒ zbiorów domknietych i dodatnio niezmienniczych C ⊂ A takich, że limt→∞ d(St (x), C) = ֒ 0 dla każdego x ∈ X. Rodzina ta jest niepusta – zawiera atraktor globalny A i przeciecie wszystkich zbiorów tej rodziny należy do rodziny i jest jej ֒ najmniejszym zbiorem. Ten zbiór nazywamy minimalnym atraktorem globalnym. Ten rodzaj atraktora zawiera zbiory ω-graniczne wszystkich punktów przestrzeni. Jeżeli w przestrzeni X zadana jest pewna miara borelowska µ, to atraktorem Milnora nazywamy minimalny zbiór domkniety i niezmienni֒ czy A taki, że limt→∞ d(St (x), A) = 0 dla prawie każdego (ze wzgledu na ֒ miare֒ µ) x ∈ X. Znowu istnienie takiego zbioru minimalnego pokazuje sie֒ biorac wszystkich zbiorów o tych wlasnościach. ֒ przeciecie ֒ Nadal w X zadana jest pewna miara borelowska µ. Ustalmy zbiór otwarty U ⊂ X. Średnim czasem przebywania punktu x w zbiorze U nazywamy granice֒ górna֒ Z 1 T τ (x, U) = limT →∞ χU (St (x)) dt. T 0 6 χU oznacza tutaj funkcje֒ charakterystyczna֒ zbioru U. Zbiór U nazywamy nieistotnym, gdy dla prawie wszystkich x ∈ X średni czas przebywania x w zbiorze U jest równy 0. Oczywiście jeśli U1 ⊂ U2 i U2 jest nieistotny, to i U1 jest taki. Ponadto przeliczalna suma zbiorów nieistotnych jest zbiorem nieistotnym. Zatem istnieje maksymalny zbiór nieistotny. Jego dopelnienie jest zbiorem domknietym zwanym atraktorem Iljaszenki. ֒ 2 Przyklad. Niech H(p, q) = 1/2p + q 4 − q 2 i a > 0. Portret fazowy ukladu ′ ∂H q = ∂p − aH ∂H ∂q ∂H p′ = − ∂H − aH ∂q ∂p latwo narysować na przyklad przy pomocy Maple: Para trajektorii homoklinicznych z punktu (0, 0) tworzaca ,,ósemke” ֒ ֒ jest zbiorem miejsc zerowych funkcji H, zbiór przez nie ograniczony to zbiór, gdzie H jest ujemna. Atraktorem globalnym jest tu zbiór {(p, q) : H(p, q) ≤ 0}, minimalnym atraktorem globalnym zbiór {(p, q) : H(p, q) = 0} ∪ {(p, q) : ∂H ∂H = = 0}, ∂p ∂q atraktorem Milnora zbiór {(p, q) : H(p, q) = 0}, a atraktorem Iljaszenki tylko poczatek ukladu wspólrzednych. ֒ ֒ 4 Uklady dyssypatywne Globalne atraktory nie zawsze wystepuj a֒ w ukladach dynamicznych np. ֒ jeśli choć jedna trajektoria ucieka do nieskończoności. Uklad dynamiczny 7 nazywamy dyssypatywnym jeśli istnieje zbiór ograniczony B0 ⊂ X pochlaniajacy ֒ wszystkie zbiory ograniczone B ⊂ X tzn. ∀B ∃t0 ∀t≥t0 St (B) ⊂ B0 . W zastosowaniach zwykle X jest przestrzenia֒ Banacha i zbiorem pochlaniajacym ֒ jest kula o środku 0 i dostatecznie dużym promieniu. Dyssypatywność ukladu sprawdza sie֒ odgadujac ֒ pewna֒ funkcje֒ U : X → R (modyfikacja pomyslu funkcji Lapunowa). Ma ona być (i) ograniczona na zbiorach ograniczonych, (ii) limx→∞ U(x) = +∞, (iii) dla dowolnego x ∈ X funkcja t → U(St (x)) jest różniczkowalna i d U(St (x)) + αU(St (x)) ≤ β dt dla pewnych stalych nieujemnych α, β. Dla dowodu oznaczmy γ(t) = dtd U(St (x)) + αU(St (x)). Wtedy ze wzoru na uzmiennianie stalych Z t −αt U(St (x)) = e U(x) + eα(s−t) γ(s) ds 0 i z zalożenia −αt U(St (x)) ≤ e −αt sup |U(x)| + βe x∈B ≤ e−αt sup |U(x)| + x∈B Z t eαs ds 0 β 1 − e−αt . α W rezultacie znajdziemy t0 (zależne od B) takie, że U(St (x)) ≤ 2 αβ , i z (ii) wynika teza. W zastosowaniach mechanicznych funkcja U jest zwykle energia֒ calkowita֒ ukladu i jego dyssypatywność oznacza, że w trakcie ruchu nastepuje ֒ utrata energii. W innych zastosowaniach należy zawsze poslugiwać sie֒ interpretacja֒ wystepuj acych w modelu wielkości, aby odgadnać ֒ ֒ ֒ postać funkcji U. Przykladowo dyssypatywne sa:֒ uklad prawie hamiltonowski (rysunek atraktorów) z funkcja֒ U = H 2 , uklad autonomiczny x′ = f (x), gdzie f : Rk → Rk jest funkcja֒ lipschitzowsko ciag ֒ la, ֒ przy czym (x, f (x)) ≤ −α||x||2 + C, uklad Lorenza: α > 0, ′ x = −σx + σy, y ′ = rx − y − xz, ′ z = −bz + xy, 8 C ∈ R, gdzie U(x, y, z) = x2 + y 2 + (z − r − σ)2 . W zastosowaniach zwykle t 7→ St (x) jest różniczkowalna, dla różniczkowalności zlożenia z U musimy wiec ֒ jedynie zadbać o ró zniczkowalność funkcji U. Sama dyssypatywność ukladu w przypadku nieskończenie wymiarowym (tzn. dim X = ∞) nie gwarantuje istnienia globalnego atraktora. Dopiero, gdy zalożymy tzw. asymptotyczna֒ zwartość ukladu, tak bedzie. ֒ Uklad nazywamy asymptotycznie zwartym, gdy istnieje zwarty podzbiór K ⊂ X taki, że dla dowolnego zbioru ograniczonego B ⊂ X zachodzi lim sup d(St (x), K) = 0. t→∞ x∈B Jeśli dim X < ∞, to wszystkie kule domkniete sa֒ zbiorami zwartymi i ֒ za K można wziać ֒ kule֒ domkniet ֒ a֒ wszystkie zbiory ogra֒ a֒ pochlaniajac niczone. W ogólnym przypadku zachodzi podstawowe twierdzenie o istnieniu globalnego atraktora. Twierdzenie. Jeżeli uklad dynamiczny jest dyssypatywny i asymptotycznie zwarty, a B jest zbiorem pochlaniajacym wszystkie zbiory ogra֒ niczone, to zbiór ω(B) jest niepustym, zwartym i spójnym atraktorem globalnym ukladu. Istnienie minimalnego atraktora globalnego wynika wtedy z wcześniejszych uwag. W przykladach nieskończenie wymiarowych ukladów dyssypatywnych istniejace atraktory globalne zwykle nie tylko sa֒ zwarte, ale maja֒ pewne ֒ wlasności skończenie wymiarowe. Zachowanie graniczne takiego ukladu sprowadza sie֒ do jego dynamiki na wspomnianym skończenie wymiarowym atraktorze. Nie bedziemy tu wyjaśniać, co rozumiemy przez ֒ skończony wymiar atraktora (teoria wymiaru Hausdorffa albo wymiaru fraktalnego znajduje sie֒ w wielu podrecznikach, np. [6,7]). Czesto atrak֒ ֒ tor ten sklada sie֒ wylacznie z punktów stalych i trajektorii okresowych, ֒ ale czasami jego struktura jest bardzo zlożona – tzw. dziwny atraktor. 5 Budowanie modelu Różne zjawiska realne moga֒ być modelowane matematycznie. Zwykle chodzi o to, by móc przewidywać zmiane֒ w czasie różnych wielkości na podstawie znajomości tych wielkości w chwili poczatkowej i praw ֒ rzadz ta֒ ewolucja.֒ Te ostatnie sa֒ równaniami zwykle różniczkowymi, ֒ acych ֒ ale także z opóźnionym argumentem, czy też różniczkowo-calkowymi. Problemem jest konstrukcja takich równań. W zasadzie tylko fizyka dysponuje ogólnymi modelami zjawisk. Procesy biologiczne czy spoleczne sa֒ zbyt skomplikowane i w każdej sytuacji należy próbować takie równanie ewolucyjne ulożyć, pomijajac ֒ czynniki naszym zdaniem nieistotne. To, czy nasz model jest adekwatny do rzeczywistości można później zbadać, porównujac ֒ ewolucje֒ wielkości realnych z przewidywana֒ przez model. 9 Ten proces prześledzimy teraz na przykladzie modelowania rozwoju pewnej populacji biologicznej. Na poczatek zalóżmy, że mamy jeden gatunek, nie uwzgledniamy ֒ ֒ różnic miedzy osobnikami starymi i mlodymi i nie badamy rozmiesz֒ czenia osobników w przestrzeni. Tak wiec ֒ zmieniajac ֒ a֒ sie֒ wielkościa֒ jest liczba osobników u zależna tylko od czasu. Oczywiście, funkcja t 7→ u(t) jest realnie funkcja֒ zmieniajac ֒ a֒ sie֒ skokowo (w chwilach narodzin nowych i śmierci starych osobników), ale gdy liczba osobników jest duża, wtedy przedzialy, na których funkcja jest stala sa֒ bardzo krótkie, a zmiana wartości u o 1 jest bardzo niewielka w stosunku do wartości bezwzglednej ֒ u(t). Na realnym wykresie widzimy wiec ֒ la, ֒ a nawet gladka. ֒ ֒ funkcje֒ ciag ′ W najprostszym przybliżeniu predkość zmiany u czyli pochodna u (t) ֒ zależy od liczby osobników w danej chwili u(t) – im ta ostatnia jest wieksza, tym wieksza jest predkość – możemy przyjać, że sa֒ to wielkości ֒ ֒ ֒ ֒ proporcjonalne: u′ (t) = ru(t). Otrzymaliśmy najprostszy model ewolucji jednorodnej populacji – model Malthusa. Równanie to latwo rozwiazać u(t) = u(t0 )er(t−t0 ) . Populacja ֒ rośnie w czasie wykladniczo. Malthus wyrażal to nieco inaczej: jeśli ustalimy jednostke֒ czasu T i obliczymy u(t0 + nT ) dla kolejnych chwil, to otrzymamy n u(t0 + nT ) = u(t0 ) erT , a wiec ciag geometryczny. W rzeczywistości wspólczynnik r nie jest ֒ ֒ znany, ale ten jakościowy opis nie zależy od r. Aby zbadać prawdziwość modelu np. dla populacji ludzkiej na Ziemi wystarczy wziać ֒ oszacowana֒ liczbe֒ jej mieszkańców w latach 1600, 1700, 1800, 1900, 2000: lata ludność w milionach 1600 205 1700 210 1800 280 1900 610 2000 6070 Otrzymany ciag ֒ nie jest ściśle geometryczny, ale różnice nie sa֒ zbyt duże i być może odchylenia sa֒ spowodowane niewlaściwym oszacowaniem liczby mieszkańców w odleglej przeszlości. Byly czynione inne próby analizowania danych. Liczba ludności Londynu byla znana dość dokladnie od dawna i dla tych danych J. Graunt zaobserwowal wzrost geometryczny. Wzrost ten charakteryzuje sie֒ stalym okresem podwojenia liczby luddności. Wg danych Graunta (1662 r.) okres ten wynosi 64 lata. Gdyby dotyczylo to ludności calego globu, a wg biblistów data pojawienia sie֒ Adama i Ewy na Ziemi to 4000 lat p.n.e., to w roku tych analiz – 1662 10 – liczba ludności Ziemi wynosilaby 2(1662+4000)/64 ≈ 2, 5 · 1026 co daje okolo 200 milionów ludzi na 1 cm2 . Pokazuje to wszystkie niedostatki modelu Malthusa. Pierwszy pomysl poprawienia modelu polega na uwzglednieniu po֒ jemności środowiska. Jest to liczba osobników populacji, która֒ środowisko może ,,wyżywić” – oznaczmy ja֒ przez a. Przypuszczamy, że jeśli u(t) < a, to funkcja u w chwili t nadal rośnie prawie proporcjonalnie do u(t), ale tym wolniej im u(t) jest bliskie a. Jeśli u(t) > a, to funkcja u w chwili t maleje tym gwaltowniej, im wieksza jest różnica miedzy u(t) i ֒ ֒ pojemnościa֒ a. W rezultacie dostajemy równanie u(t) ′ u (t) = ru(t) 1 − a zwane równaniem logistycznym (Verhulst 1845). Równanie to ma dwa rozwiazania stacjonarne u(t) ≡ 0 i u(t) ≡ a. Wszystkie rozwiazania z wa֒ ֒ runkiem poczatkowym u(t ) ∈ (0, a) s a funkcjami rosn acymi z lim 0 t→∞ u(t) = ֒ ֒ ֒ a, a wszystkie rozwiazania z u(t0 ) > a sa֒ malejace z ta֒ sama֒ gra֒ ֒ nica.֒ Gdyby ten model byl odpowiedni dla przewidywania liczby ludności Ziemi, to obecna liczba ponad 6 miliardów ludzi bylaby znacznie mniejsza od pojemności a, bowiem z wykresu danych wynika, że funkcja u jest nadal wypukla, natomiast z modelu u ma punkt przegiecia wtedy, gdy ֒ u = a/2. Z powyższego wynika, że rozwiazanie zerowe jest asymptotycznie sta֒ bilne przy t → −∞. Jednakże w wielu przypadkach obserwacje pokazuja,֒ że jest dokladnie odwrotnie: dla malej populacji poczatkowej liczba osob֒ ników maleje do 0 przy t → +∞. Aby model to uwzglednia l należy prawa֒ ֒ strone֒ równania pomnożyć przez czynnik zależny od u ujemny dla u = 0, ale dodatni dla nieco wiekszych u. Dostajemy ֒ u u u′ = ru 1 − −1 , a b gdzie 0 < b < a. Tutaj pojawia sie֒ trzecie rozwiazanie stacjonarne u(t) ≡ ֒ b, a analize֒ zachowań wszystkich rozwiazań w zależności od poczatkowej ֒ ֒ liczby osobników latwo przeprowadzić. Można uwzgledniać także inne efekty np. fakt, że osobniki moga֒ sie֒ ֒ rozmnażać po odpowiednim czasie znajduje odzwierciedlenie we wprowadzeniu opóźnienia do prawej strony równania, albo w podzieleniu populacji na grupy np. osobników niedojrzalych, osobników zdolnych do rozmnażania i osobników ,,starych”. Wtedy otrzymuje sie֒ uklady równań różniczkowych zwyczajnych. 11 6 Budowanie modelu – ciag ֒ dalszy Zajmiemy sie֒ teraz modelem rozwoju populacji, ale z uwzglednieniem ֒ niejednorodnego rozlożenia jej w przestrzeni. Jeśli populacja zamieszkuje pewien obszar plaski Ω ⊂ R2 , to znajac rozkladu ֒ funkcje֒ gestości ֒ Ω × R ∋ (x, t) 7→ u(x, t) ∈ [0, ∞) możemy znaleźć liczbe֒ osobników na danym podobszarze V ⊂ Ω w chwili t: Z u(x, t) dx. V Predkość zmiany tej liczby czyli jej pochodna wzgledem t zależy od czyn֒ ֒ ników opisanych w poprzednich modelach, tym razem jednak wspólczynniki r, a, czy b moga֒ zależeć od x zatem dla obszaru V należy funkcje֒ f – prawa֒ strone֒ równania w poprzednich modelach scalkować wzgledem x ֒ po V. Z drugiej strony zmiana liczby osobników w zbiorze V może sie֒ też odbywać przez migracje֒ do i z tego zbioru. Jeżeli przez J~ oznaczymy pole wektorowe predkości zmiany u, migracji ֒ ֒ R to sumaryczna predkość ~ do obszaru V w chwili t wynosi − ∂V (J , n) dS, gdzie n jest wektorem normalnym zewnetrznym do brzegu w danym punkcie – rzutujemy pole ֒ J~ na kierunek prostopadly (skladowa styczna pola nie wplywa na migracje); znak minus pochodzi stad, że wzrost liczby osobników wewnatrz ֒ ֒ ֒ V nastepuje, gdy pole to jest skierowane do wewnatrz, a nie na zewnatrz, ֒ ֒ ֒ jak wektor n. W rezultacie Z Z Z d ~ n) dS. u(x, t) dx = f dx − (J, dt V V ∂V Twierdzenie o dywergencji (Greena-Gaussa-Ostrogradskiego) zamienia te֒ ostatnia֒ calke֒ na calke֒ z dywergencji pola J~ po zbiorze V. Mamy wiec ֒ równość calek Z Z ∂ u(x, t) dx = f − div J~ dx V ∂t V i z dowolności V ⊂ Ω zachodzi równość ~ ut = f (x, u) − div J. To tzw. równanie ciag ֒ lości pojawia sie֒ także w fizyce w wielu miejscach jednak z innymi funkcjami f zwykle nie zależacymi od u. Klu֒ ~ czowy jest teraz wybór postaci pola J. W naszym przypadku można postulować, że pole to jest proporcjonalne do gradientu funkcji u z ujemnym wspólczynnikiem proporcjonalności. Jest bowiem jasne, że kierunkiem migracji jest kierunek, w którym u najszybciej maleje i szybkość tej migracji jest tym wieksza, im wieksza jest różnica gestości rozkladu ֒ ֒ ֒ populacji w tym kierunku. Zatem ut = f (x, u) + νdiv ∇u. 12 Pozostaje tylko policzyć div ∇J~ = uxx + uyy = ∆u i dostajemy równanie opisujace ewolucje֒ ukladu: ֒ ut = ν∆u + f (x, u). Jest to nieliniowe równanie paraboliczne, które rozwiazujemy postulujac ֒ ֒ pewien warunek brzegowy na brzegu Ω i zadajac pocz atkow a wartość ֒ ֒ ֒ rozkladu u((x, y), 0). Sa֒ dwa naturalne wybory postulowanego warunku brzegowego. Jeżeli przyjmiemy, że nie nastepuje migracja populacji przez ֒ brzeg zbioru Ω, to ∂u ((x, y), t) = 0 (x, y) ∈ ∂Ω, ∂n t ≥ 0, a jeśli przyjmiemy, że na zewnatrz osobniki gina,֒ to ֒ u((x, y), t) = 0 (x, y) ∈ ∂Ω, t ≥ 0. Sa֒ to odpowiednio warunki Neumanna i Dirichleta. Wstawiajac ֒ odpowiednie funkcje f otrzymamy różne równania: f (x, u) = ru, u = ru(1 − ), a a u = ru(1 − )( − 1). u b Można też zadawać bardziej wyrafinowana֒ postać dyfuzji. Można np. postulować, że ruch populacji odbywa sie֒ przez zadany sygnal chemiczny czy fizyczny – światlo, pożywienie. Dostajemy tzw. równanie chemotaksji ut = f (u) − div (u · g(a) · ∇a). Nasze dotychczasowe rozważania dotyczyly jednego gatunku; zwykle obok siebie wystepuje ich wiele. Jeśli gatunki nie oddzialywuja֒ ze ֒ soba֒ (w przybliżeniu), to równania ich ewolucji sa֒ niezależne. Jeśli jednak jest inaczej, wówczas musimy rozpatrywać uklady równań opisujacych ich ewolucje. Równania te bed ֒ ֒ ֒ a֒ zawieraly skladnik modelujacy interakcje֒ miedzy gatunkami. Przypuśćmy, że mamy dwa gatunki ko֒ rzystajace z tych samych zasobów środowiska (pożywienie, woda, tlen, ֒ światlo i.t.d.). Jeśli budujemy model typu logistycznego i ui , i = 1, 2, oznaczaja֒ liczebność obu gatunków zależna֒ od t, to przy ustalonej pojemności środowiska dla obu gatunków mamy u′1 = r1 u1 1 − u1 − u2 a1 a2 u ′ = r2 u 2 1 − u 1 − u 2 , 2 b1 b2 gdzie ai , bi , i = 1, 2, sa֒ wspólczynnikami dodatnimi. a1 oznacza tu pojemność środowiska dla gatunku pierwszego przy nieobecności drugiego, b2 pojemność dla drugiego gatunku, gdy pierwszy nie wystepuje, ֒ a wspólczynniki a2 i b1 nie maja֒ tak oczywistej interpretacji i mierza֒ stopień oddzialywania miedzy gatunkami. ֒ 13 Jeśli oba gatunki żyja֒ w symbiozie (im wiecej jednego, tym szybszy ֒ wzrost drugiego), wówczas ewolucje֒ opisuje uklad u′1 = r1 u1 1 − u1 + u2 a1 a2 u ′ = r2 u 2 1 + u 1 − u 2 , 2 b1 b2 a jeśli jeden (pierwszy) jest drapieżnikiem odżywiajacym sie֒ drugim, to ֒ ′ u1 = r1 u1 (a1 − a2 u2 ) u′2 = r2 u2 (b1 u1 − b2 ) . Dla każdej z tych relacji miedzy gatunkami można zbudować model ֒ uwzgledniaj acy migracj e: ֒ ֒ ֒ (u1 )t = ν1 ∆u1 + f1 (x, u1 , u2 ) (u2 )t = ν2 ∆u2 + f2 (x, u1 , u2 ). Można też rozważać wieksz a֒ liczbe֒ gatunków. ֒ Takie same równania modeluja֒ reakcje chemiczne, a bardzo podobne procesy spalania. Odmienny jest ksztalt równania Naviera-Stokesa opisujacego ruch cieczy (gazu). Jeśli przez ~v = [v1 , v2 , v3 ] oznaczymy pole ֒ wektorowe predkości zmieniajace sie֒ w zależności od punktu x i czasu t, ֒ ֒ przez ̺ gestość cieczy, przez p jej ciśnienie, a przez F~ = [F1 , F2 , F3 ] pole ֒ sil zewnetrznych (np. sila grawitacji) – wszystkie te wielkości zależne od ֒ x, t, to równanie, które wyprowadza sie֒ z II prawa dynamiki Newtona ma postać: ̺(vj )t = ν∆vj − ̺ 3 X i=1 vi (vj )xi − pxj + Fj , j = 1, 2, 3. Przy zalożeniu nieściśliwości cieczy dochodzi do tego warunek div ~v = 0 i ewentualne warunki brzegowe opisujace zachowanie pola predkości na ֒ ֒ brzegu zbioru (naczynia), w którym przemieszcza sie֒ ciecz; zwykle sa֒ to warunki Dirichleta ~v |∂Ω×R = 0. Niewiadome sa֒ tu pole ~v i ciśnienie p. Równanie Naviera-Stokesa jest nieporównanie trudniejsze od poprzednio wyprowadzonych, w tamtych bowiem nieliniowość dotyczyla tylko niewiadomych funkcji uj , tu dotyczy pochodnych. Problemem jest wiec ֒ nawet istnienie rozwiazania. ֒ 14 7 Analiza modelu Przeanalizujemy teraz model dwóch konkurujacych gatunków jednorodny ֒ przestrzennie, gdzie wybraliśmy jednostki tak, by uprościć rozważania: ′ x1 = r1 x1 (1 − x1 − ax2 ) x′2 = r2 x2 (1 − bx1 − x2 ). Mamy zbiór niezmienniczy – pierwsza֒ ćwiartke֒ ukladu (x1 , x2 ). Jej niezmienniczość wynika z faktu, że trajektorie nie moga֒ sie֒ przecinać, a {(x1 , 0) : x1 > 0}, {(0, x2 ) : x2 > 0} sa֒ trajektoriami latwymi do odgadniecia. Z przyczyn naturalnych ograniczamy sie֒ do badania ukladu ֒ tylko na tym zbiorze – oznaczmy go przez X. Przyrównujac ֒ do zera prawa֒ strone֒ dostajemy punkty stale; trzy z nich zawsze leża֒ w X : P0 = (0, 0), P1 = (1, 0), P2 = (0, 1). Czwarty z nich – rozwiazanie ukladu równań: ֒ x1 + ax2 = 1 bx1 + x2 = 1 może leżeć lub nie w X w zależności od wspólczynników a, b, co zobaczymy rysujac ֒ proste opisane przez powyższe równania: W pierwszym i czwartym przypadku P3 = 15 1−a 1−b , 1−ab 1−ab należy do X. Przeprowadzamy analize֒ stabilności punktów stalych przez pierwsze przybliżenie. Jeśli prawa֒ strone֒ równania różniczkowego oznaczyć przez f, to r1 (1 − 2x1 − ax2 ), −r1 ax1 ′ f (x1 , x2 ) = . −r2 bx2 , r2 (1 − bx1 − 2x2 ) Zatem ′ f (P0 ) = r1 , 0 0, r2 i ten punkt staly jest wez na a, b. ֒ lem niestabilnym bez wzgledu ֒ −r1 , −ar1 ′ f (P1 ) = 0, r2 (1 − b) i punkt ten jest wez ֒ lem stabilnym, o ile b > 1 i siodlem w przeciwnym razie; r1 (1 − a), 0 ′ f (P2 ) = −br2 , −r2 i punkt ten jest wez ֒ lem stabilnym, o ile a > 1 i siodlem w przeciwnym razie. Wreszcie a−1 a−1 1−a 1−b r1 1−ab , r1 a 1−ab ′ ′ f (P3 ) = f , = . b−1 b−1 r2 b 1−ab , r2 1−ab 1 − ab 1 − ab Równaniem charakterystycznym jest λ2 − r1 (a − 1) + r2 (b − 1) (a − 1)(b − 1) λ + r1 r2 = 0. 1 − ab 1 − ab W przypadku z pierwszego rysunku a < 1, b < 1 ma ono postać λ2 + pλ + q = 0 z p i q dodatnimi, wiec rzeczywiste obu pierwaistków ֒ cześci ֒ sa֒ ujemne i punkt P3 jest asymptotycznie stabilny, a w przypadku z czwartego rysunku a > 1, b > 1 mamy w równaniu charakterystycznym p > 0 i q < 0. Stad ֒ p 1 λ1,2 = (−p ± p2 − 4q) 2 i P3 jest siodlem. Sprawdzimy, że uklad jest dyssypatywny. W tym celu weźmy funkcje֒ U(x1 , x2 ) = x21 + x22 i policzmy d U(St (x))+ǫU(St (x)) = Ux1 ·r1 x1 (1+ǫ−x1 −ax2 )+Ux2 ·r2 x2 (1+ǫ−bx1 −x2 ) = dt = 2r1 x21 (1 + ǫ − x1 − ax2 ) + 2r2 x22 (1 + ǫ − bx1 − x2 ) ≤ ≤ 2 sup{r1 x21 + r2 x22 : x1 + ax2 ≤ 1 + ǫ, bx1 + x2 ≤ 1 + ǫ, x ∈ X} =: β 16 przy dowolnym ǫ > 0. Zatem d U(St (x)) ≤ β dt w zbiorze X i uklad jest dyssypatywny. Wobec tego, że uklad jest skończenie wymiarowy, istnieje globalny atraktor. Możemy też przewidzieć, że atraktor ten zawiera sie֒ w zbiorze zawartym miedzy dwiema ֒ prostymi w X : x1 + ax2 = 1, bx1 + x2 = 1. Zestawmy to z portretem fazowym otrzymanym przy pomocy MAPLE. sys1:=diff(x(t),t)=x(t)*(1-x(t)-1/2*y(t)),diff(y(t),t)=2*y(t)*(1-1/3*x(t)-y(t)) DEtools[phaseportrait]({sys1},[x(t),y(t)],t=0..3,[[x(0)=.1,y(0)=.1], [x(0)=.8,y(0)=.1],[x(0)=.1,y(0)=.8],[x(0)=.4,y(0)=.5],[x(0)=.5,y(0)=.4], [x(0)=1.8,y(0)=2],[x(0)=.1,y(0)=2],[x(0)=2,y(0)=.1]],linecolour=red); 2 1.5 y 1 0.5 0.5 1 1.5 2 x sys2:=diff(x(t),t)=x(t)*(1-x(t)-1/2*y(t)),diff(y(t),t)=2*y(t)*(1-3*x(t)-y(t)): DEtools[phaseportrait]({sys2},[x(t),y(t)],t=0..3,[[x(0)=.1,y(0)=.1], [x(0)=.8,y(0)=.1],[x(0)=.1,y(0)=.8],[x(0)=.4,y(0)=.5],[x(0)=.5,y(0)=.4], [x(0)=1.8,y(0)=2],[x(0)=.1,y(0)=2],[x(0)=2,y(0)=.1]],linecolour=red); 17 2 1.5 y 1 0.5 0 0.5 1 1.5 2 x sys3:=diff(x(t),t)=x(t)*(1-x(t)-2*y(t)),diff(y(t),t)=2*y(t)*(1-1/3*x(t)-y(t)): DEtools[phaseportrait]({sys3},[x(t),y(t)],t=0..3,[[x(0)=.1,y(0)=.1], [x(0)=.8,y(0)=.1],[x(0)=.1,y(0)=.8],[x(0)=.4,y(0)=.5],[x(0)=.5,y(0)=.4], [x(0)=1.8,y(0)=2],[x(0)=.1,y(0)=2],[x(0)=2,y(0)=.1]],linecolour=red); 2 1.5 y 1 0.5 0 0.5 1 1.5 2 x sys4:=diff(x(t),t)=x(t)*(1-x(t)-2*y(t)),diff(y(t),t)=2*y(t)*(1-3*x(t)-y(t)): DEtools[phaseportrait]({sys4},[x(t),y(t)],t=0..2,[[x(0)=.1,y(0)=.1], [x(0)=.8,y(0)=.1],[x(0)=.1,y(0)=.8],[x(0)=.4,y(0)=.5],[x(0)=.5,y(0)=.4], [x(0)=1.8,y(0)=2],[x(0)=.1,y(0)=2],[x(0)=2,y(0)=.1]],linecolour=red); 18 2 1.5 y 1 0.5 0 0.5 1 1.5 2 x Widzimy, że gdy a i b sa֒ rozdzielone 1, to wszystkie rozwiazania daż ֒ ֒ a֒ do jednego z punktów stalych P1 lub P2 . Oznacza to wyginiecie jednego ֒ z gatunków; pozostaje przy życiu gatunek wygrywajacy konkurencje. ֒ ֒ W pierwszym przypadku a, b < 1 także mamy te֒ sytuacje, ֒ ale który z gatunków przetrwa zależy od warunków poczatkowych. Najciekawszy ֒ jest ostatni przypadek, gdy a, b > 1. Plot z MAPLE nie pokazuje punktu stalego P3 , ale mamy dwie trajektorie daż do tego punktu: jedna z ֒ ace ֒ nich startuje z otoczenia P0 , a druga z punktu o dużych x1 , x2 . Sa֒ też dwie trajektorie które daż ֒ a֒ do P3 przy t → −∞. Jedna z nich daży ֒ do P1 , a druga do P2 przy t → +∞. Pozostale trajektorie daż a do P1 ֒ ֒ lub P2 w zależności od punktu startu. Widzimy wiec, że bez wzgl edu ֒ ֒ na wspólczynniki typowa sytuacja przy konkurencji dwóch gatunków to wyginiecie jednego z nich. Dla wiekszej liczby gatunków sytuacja nie ֒ ֒ jest już tak prosta; przy konkurencji miedzy trzema gatunkami atraktor ֒ sklad sie֒ także z trajektorii okresowych, a przy czterech i wiecej staje sie֒ ֒ dziwnym atraktorem. Analiza analogicznego ukladu parabolicznego ut = µ∆u + r1 u(1 − u − av) vt = ν∆v + r2 v(1 − bu − v). z warunkami Neumanna ∂u ∂v (x, t) = (x, t) = 0, dla x ∈ ∂Ω, t > 0, ∂n ∂n nie jest już taka prosta. Niezmienniczość zbioru X funkcji ciag ֒ lych na Ω 2 przyjmujacych wartości (u, v) ∈ R przy czym u ≥ 0, v ≥ 0, oraz globalna ֒ 19 rozwiazalność zagadnienia przy dowolnym warunku poczatkowym ֒ ֒ u(x, 0) = ϕ(x) ≥ 0, v(x, 0) = ψ(x) ≥ 0 wynika teraz z odpowiedniej zasady maksimum dla równań parabolicznych. Dyssypatywność ukladu pokazuje sie֒ podobnie, jak w przypadku równania różniczkowego zwyczajnego. Tym razem jednak uklad jest nieskończenie wymiarowy i potrzebujemy jego asymptotycznej zwartości. Atraktor leży w zbiorze funkcji przyjmujacych wartości w zbiorze zawar֒ tym miedzy prostymi, o których wcześniej mówiliśmy. W istocie nadal ֒ wszystkie rozwiazania daż ֒ ֒ a֒ do stacjonarnych. Wymaga to już jednak znajomości nowoczesnej matematyki (lata 90-te XX wieku). 8 Rozmaitości niezmiennicze Wiele ważnych dla badania ukladów dynamicznych zbiorów ma strukture֒ rozmaitości, tzn. lokalnie sa֒ one dyfeomorficzne z przestrzeniami euklidesowymi Rm . Chociaż istnieja֒ pewne rezultaty (uogólnienia) dla przypadku nieskończenie wymiarowego ograniczymy sie֒ do przypadku równań autonomicznych w Rk x′ = f (x) w otoczeniu punktu stalego x0 czyli takiego, że f (x0 ) = 0. Niech f : Rk ⊃ U → Rk bedzie klasy C r , r > 1, i niech wszystkie rozwiazania równania ֒ ֒ bed a określone na R. Wtedy równanie określa uk lad dynamiczny St : ֒ ֒ U → U, t ∈ R. Mamy dwa zbiory niezmiennicze W s (x0 ) := {x ∈ U : lim St (x) = x0 }, t→+∞ W u (x0 ) := {x ∈ U : lim St (x) = x0 }, t→−∞ zwane odpowiednio rozmaitościa֒ stabilna֒ i niestabilna֒ punktu x0 . Niezmienniczość tych zbiorów jest latwa do udowodnienia, nie zawsze jednak oba zbiory sa֒ rozmaitościami. Decydujace znaczenie ma widmo opera֒ tora liniowego f ′ (x0 ), czyli zbiór jego wartości wlasnych, czyli zbiór pierwiastków wielomianu charakterystycznego Q(λ) := det(f ′ (x0 ) − λI) I – macierz jednostkowa. Rozważamy tu wszystkie zespolone pierwiastki tego wielomianu, a punkt staly x0 nazywamy hiperbolicznym, jeśli żadna z wartości wlasnych nie leży na osi urojonej {ic : c ∈ R}. Jeśli punkt x0 jest hiperbolicznym punktem stalym, wówczas przestrzeń Rk rozklada sie֒ na sume֒ prosta֒ dwóch podprzestrzeni liniowych R k = X+ ⊕ X− , 20 obie te podprzestrzenie sa֒ niezmiennicze dla f ′ (x0 ) : f ′ (x0 )(X+ ) ⊂ X+ , f ′ (x0 )(X− ) ⊂ X− , wreszcie wartościami wlasnymi f ′ (x0 )|X+ sa֒ te wartości wlasne f ′ (x0 ), których cześci rzeczywiste sa֒ dodatnie, a wartościami wlasnymi f ′ (x0 )|X− ֒ sa֒ te wartości wlasne f ′ (x0 ), których cześci rzeczywiste sa֒ ujemne. Ten ֒ rozklad jest konsekwencja֒ twierdzenia spektralnego (por. [1]). Ponieważ odwzorowanie liniowe f ′ (x0 ) przybliża w otoczeniu punktu x0 odwzorowanie f, wydaje sie֒ możliwe, że zachowanie ukladu nieliniowego w otoczeniu tego punktu stalego jest podobne do zachowania ukladu liniowego y ′ = f ′ (x0 ) · y k w otoczeniu zera. To ostatnie latwo wyznaczyć zapisujac ֒ y ∈ R w po′ ′ staci y = (y+ , y− ) ∈ X+ ×X− , f (x0 )|X+ = A+ , f (x0 )|X− = A− i uklad liniowy jako pare֒ niezależnych równań liniowych o stalych wspólczynnikach ′ y+ = A+ y+ , ′ y− = A− y− . Ponieważ wartości wlasne A− maja֒ ujemne cześci rzeczywiste rozwiazania ֒ ֒ drugiego z równań daż a wyk ladniczo do zera przy t → +∞ : ֒ ֒ |y− (t)| ≤ Ce−αt , dla t ≥ 0 i symetrycznie dla pierwszego równania |y+ (t)| ≤ Ce−αt , dla t ≤ 0. Daje to wielowymiarowy portret fazowy calości odpowiadajacy punktowi ֒ siodlowemu na plaszczyźnie (por. wyklad z równań różniczkowych zwyczajnych). Rzeczywiście dla ukladu nieliniowego mamy podobny obraz w otoczeniu punktu x0 . Dokladniej zachodzi Twierdzenie o rozmaitości stabilnej i niestabilnej. Niech f ∈ C r , r > 1 i x0 bedzie hiperbolicznym punktem stalym ukladu x′ = f (x). ֒ Wówczas istnieje otoczenie V punktu x0 , dla którego zbiory s Wloc (x0 ) := {x ∈ V : St (x) ∈ V dla t ≥ 0}, u Wloc (x0 ) := {x ∈ V : St (x) ∈ V dla t ≤ 0} sa֒ rozmaitościami (hiperpowierzchniami) klasy C r−1 , przy czym przestrzeniami stycznymi do nich w punkcie x0 sa֒ s Tx0 (Wloc (x0 )) = X− , u Tx0 (Wloc (x0 )) = X+ . Ponieważ przestrzenie liniowe X± latwo znaleźć, twierdzenie to pozwala zlokalizować kierunki wzdluż których trajektorie zbliżaja֒ sie֒ do i oddalaja֒ od x0 przy t → +∞. Czesto popelnia sie֒ blad piszac, że ֒ ֒ ֒ 21 s u Wloc (x0 ) = W s (x0 ) ∩ V i Wloc (x0 ) = W u (x0 ) ∩ V. Tak być nie musi co pokazuje Przyklad. ′ x =y y ′ = 4x − 4x3 . Ponieważ jest to uklad odpowiadajacy ukladowi zachowawczemu z jed֒ nym stopniem swobody, jego calka֒ pierwsza֒ jest energia calkowita y2 − 2x2 + x4 2 i znajomość jej poziomic wyznacza trajektorie E(x, y) = 2 y 1 –1.5 –1 –0.5 0 0.5 1 1.5 x –1 –2 Widzimy, że dla hiperbolicznego punktu stalego 0 rozmaitości stabilna s i niestabilna pokrywaja֒ sie, ֒ podczas gdy Wloc (0) jest ,,kawalkiem ósemki” u nachylonym pod katem rozwartym do dodatniej pólosi OX, a Wloc (0) jest ֒ ,,kawalkiem ósemki” nachylonym pod katem ostrym do dodatniej pólosi ֒ OX. 9 Bifurkacje Zwykle uklady dynamiczne zależa֒ od jednego lub wielu parametrów, które wystepuj a֒ najcześciej w równaniu ewolucyjnym je opisujacym np. ֒ ֒ ֒ uklad Verhulsta u′ = ru(1 − u/a) zależy od r i a, uklad konkurencyjny ut = µ∆u + r1 u(1 − u − av) vt = ν∆v + r2 v(1 − bu − v) zależy od wsp. dyfuzji µ, ν, oraz r1,2 , a, b. Pojawia sie֒ pytanie, w jaki sposób dynamika ukladu zależy od tych parametrów. Zwykle mala zmiana 22 wartości parametrów powoduje mala֒ zmiane֒ zachowania ukladu. Pozostaja֒ jednak takie szczególne wartości parametrów, przy przejściu przez które nastepuje jakościowa zmiana dynamiki ukladu. Mówimy wtedy o ֒ bifurkacji. Aby można bylo mówić o zmianie jakościowej, należy wyjaśnić w jakiej sytuacji tej zmiany nie ma. Mówimy, że dwa uklady dynamiczne z czasem ciag ֒ lym St , t ≥ 0, w X i Tt , t ≥ 0, w Y sa֒ topologicznie równoważne, jeśli istnieje homeomorfizm h : X → Y taki, że dla każdego x ∈ X istnieje rosnacy homeomorfizm σx : [0, ∞) → [0, ∞) o wlasności ֒ h(St (x)) = Tσx (t) (h(x)). Oznacza to, że homeomorfizm h przeksztalca póltrajektorie dodatnie pierwszego ukladu na póltrajektorie dodatnie drugiego i to z zachowaniem kierunku poruszania sie. ֒ Latwo sprawdzić, że obrazami calych trajektorii sa֒ cale trajektorie, że punkty stale przechodza֒ na punkty stale, trajektorie okresowe na trajektorie okresowe, zbiory niezmiennicze (odp. dodatnio, ujemnie niezmiennicze) na zbiory niezmiennicze (odp. dodatnio, ujemnie niezmiennicze). Wreszcie h(ω(x)) = ω(h(x)), h(α(x)) = α(h(x)), uklad topologicznie równoważny z dyssypatywnym jest dyssypatywny oraz jeśli A jest atraktorem glabalnym (odp. minimalnym atraktorem globalnym) dla St , to h(A) jest jest atraktorem glabalnym (odp. minimalnym atraktorem globalnym) dla Tt . Relacja topologicznej równoważności jest relacja֒ równoważności tzn. dzieli klase֒ wszystkich ukladów dynamicznych na parami rozlaczne klasy abstrakcji. ֒ Niech St (µ), t ≥ 0, bedzie rodzina֒ ukladów dynamicznych zależna֒ ֒ od parametru µ ∈ R. Mówimy, że dla wartości µ0 ma miejsce bifurkacja, jeśli dla pewnego ciagu cn → 0 uklady z µn = µ0 + cn nie sa֒ topologicz֒ nie równoważne z ukladem z µ0 . Zobaczymy, jak dziala ta definicja na przykladach. Przyklad 1. Rozważmy równanie logistyczne (odpowiednio dla prostoty przeskalowane) z poprawka֒ opisujac ֒ a֒ zjawisko ,,żniw”: x′ = x(1 − x) − µ. Jest to dynamika rozwoju populacji, której stala cześć stanowi pożywienie ֒ innego gatunku. Nie jest to jednak uklad drapieżnik-ofiara, bowiem tutaj gatunek zbierajacy plony jest świadomy niebezpieczeństwa wyginiecia ֒ ֒ swojego pokarmu i ,,umie liczyć”. Najlatwiej zbadać, jak od µ zależa֒ punkty stale ukladu: √ 1 1 ± 1 − 4µ 1 1 x(1−x)−µ = 0 ⇔ µ< i x1,2 = lub µ = i x= . 4 2 4 2 Zatem dla µ < 1/4 sa֒ dwa punkty stale, a dla µ > 1/4 ich wcale nie ma. Ponieważ w homeomorfizmie opisujacym topologiczna֒ równoważność punkty ֒ 23 stale przechodza֒ na punkty stale, wiec ֒ uklady z µ < 1/4 i µ > 1/4 nie moga֒ być topologicznie równoważne. Tym samym µ = 1/4 jest punktem bifurkacji. Aby stwierdzić, że nie ma innych punktów bifurkacji wystarczy zauważyć, że wszystkie uklady z µ < 1/4 sa֒ do siebie topologicznie równoważne i to samo dla ukladów z µ > 1/4. Niech µ, ν < 1/4. Uklady dla tych wartości parametru maja֒ po pieć ֒ trajektorii: po dwa punkty stale, po jednej trajektorii ograniczonej wychodzacej z mniejszego punktu ֒ stalego i wchodzacej do wiekszego, po jednej trajektorii wychodzacej z ֒ ֒ ֒ mniejszego punktu stalego i daż acej do −∞ oraz po jednej trajektorii ֒ ֒ wychodzacej z +∞ i wchodz acej do wiekszego punktu stalego. Jako ho֒ ֒ ֒ meomorfizm h : R → R wystarczy wziać ֒ funkcje֒ x1 (ν) gdy x = x1 (µ) gdy x = x2 (µ) x2 (ν) St (ν)(1) gdy x = St (µ)(1) h(x) = St (ν)(α) gdy x = St (µ)(α) St (ν)(β) gdy x = St (µ)(β) gdzie α < x1 (µ) i β > x2 (µ). Analogiczne, choć prostsze rozważania należy przeprowadzić dla µ, ν > 1/4. Bifurkacja, która miala miejsce w tym przykladzie nosi nazwe֒ bifurkacji siodlo-weze ֒ l. Ma ona miejsce, gdy przy zmianie parametru dwa punkty stale ,,zlewaja֒ sie֒ ze soba” ֒ i znikaja. ֒ W jednym wymiarze zachodzi to, gdy jeden z nich jest odpychajacy, a drugi przyciagaj acy. Bifurka֒ ֒ ֒ cja siodlo-weze także w wielu wymiarach np. na plaszczyźnie, ֒ l wystepuje ֒ gdy ,,zlewa sie” w eze l z siod lem – stad ֒ ֒ ֒ jej nazwa. Przyklad 2. Rozważmy równanie 1-wymiarowe x′ = x(x2 − µ). Dla µ ≤ 0 jedynym punktem stalym jest x0 = 0, jest on odpychajacy. √ ֒ Dla µ > 0 pojawiaja֒ sie֒ dwa dodatkowe punkty stale x± = ± µ, oba sa֒ odpychajace, ale x0 staje sie֒ przyciagaj acy. Jest jasne, że dla µ = 0 ֒ ֒ ֒ ma miejsce bifurkacja. Tak samo, jak w poprzednim przykladzie pokazuje sie, ֒ że innych punktów bifurkacji tu nie ma. Bifurkacja tego rodzaju, gdy z jednego punktu stalego powstaja֒ nowe i zmienia sie֒ charakter stabilnościowy tego punktu nazywa sie֒ bifurkacja֒ widelcowa. ֒ W wielu wymiarach zmiana charakteru punktu stalego polega na zmianie liczby wartości wlasnych w pierwszym przybliżeniu o dodatnich (ujemnych) cześciach rzeczywistych. ֒ Nastpny rodzaj bifurkacji wystepuje dopiero w conajmniej dwóch wy֒ miarach. Oznaczmy przez Sp A zbiór wartości wlasnych macierzy (operatora liniowego) A. Twierdzenie o bifurkacji Hopfa. Niech x′ = f (x, µ), x ∈ Rk , 24 µ ∈ R, gdzie f jest klasy C 2 i f (0, µ) = 0. Oznaczmy przez Aµ macierz Jacobiego fx′ (0, µ). Jeżeli ±iω0 ∈ Sp Aµ0 dla pewnego ω0 > 0 sa֒ jednokrotne i niω0 ∈ / Sp Aµ0 dla n ∈ Z oraz istnieja֒ funkcje rzeczywiste klasy C 1 α, β zmiennej µ określone w otoczeniu µ0 takie, że α(µ) ± iβ(µ) ∈ Sp Aµ , α(µ0 ) = 0, β(µ0 ) = ω0 i α′ (µ0 ) 6= 0, to istnieje otoczenie 0 ∈ R i trzy funkcje ciag ֒ le określone na tym otoczeniu s 7→ ω(s) ∈ R, takie, że ϕs jest s 7→ µ(s) ∈ R, 2π -okresowym ω(s) lim ω(s) = ω0 , rozwiazaniem równania z µ = µ(s) i ֒ lim µ(s) = µ0 , s→0 s 7→ ϕs ∈ C 1 (R, Rk ) s→0 lim ϕs = 0. s→0 Przyklad 3. x′ = µx + y − xy 2 , y ′ = −x + µy − y 3. µ 1 Aµ = , −1 µ skad dostajemy wartości wlasne – pierwiastki wielomianu charaktery֒ stycznego λ 7→ (µ − λ)2 + 1, czyli λ(µ) = µ ± i. Możemy wiec ֒ wziać ֒ ′ µ0 = 0, ω0 = 1. Ponieważ α(µ) = µ, wiec α (0) = 1 i na podstawie tw. o ֒ bifurkacji Hopfa uklad ma nietrywialne rozwiazania okresowe dla dosta֒ tecznie malych: µ > 0 lub µ < 0. Z drugiej strony obliczajac ֒ dywergencje֒ 2 prawej strony ukladu div f = 2µ − 4y otrzymujemy, że dla µ < 0 jest ona stalego znaku i na mocy kryterium Bendixsona: Jeżeli dla ukla du na plaszczyźnie x′ = f (x) z f ∈ C 1 , mamy div f jest stalego znaku w jednospójnym zbiorze U, to uklad nie ma w zbiorze U trajektorii okresowych; trajektorii okresowych być nie może. Zatem wystepuj a֒ one dla µ > 0. ֒ Dla takich µ punkt staly jest ogniskiem niestabilnym. Możemy jeszcze ocenić przybliżona֒ wartość okresu takich rozwiazań – 2π (przybliżenie ֒ tym lepsze, im mniejsza wartość µ). Przyklad 4. Zbadamy teraz uklad 2-wymiarowy: ′ x = x2 − 1 y ′ = −xy + max(µ, 0)(x2 − 1). Dla µ ≤ 0 mamy x′ = x2 − 1 y ′ = −xy, którego portret fazowy wyglada nastepuj aco ֒ ֒ ֒ 25 2 y 1 –6 –4 0 –2 2 4 6 x –1 –2 Tutaj sys5:=diff(x(t),t)=x(t)^ 2-1,diff(y(t),t)=-x(t)*y(t)+mu*(x(t)^ 2-1): DEtools[DEplot]({sys5},[x(t),y(t)],t=-.4..0.4,[[x(0)=1,y(0)=1], [x(0)=1,y(0)=-1],[x(0)=-1,y(0)=1],[x(0)=-1,y(0)=-1],[x(0)=0,y(0)=0], [x(0)=0,y(0)=2],[x(0)=0,y(0)=-2],[x(0)=2,y(0)=0],[x(0)=-2,y(0)=0], [x(0)=0,y(0)=1],[x(0)=0,y(0)=-1],[x(0)=1.5,y(0)=.6],[x(0)=1.5,y(0)=-0.6], [x(0)=-1.5,y(0)=.6],[x(0)=-1.5,y(0)=-.6]],linecolour=red); W szczególności mamy trajektorie֒ heterokliniczna֒ lacz ֒ ac ֒ a֒ dwa punkty siodlowe (±1, 0). Dla µ > 0 tej trajektorii już nie ma chociaż oba punkty stale pozostaly i nadal sa֒ siodlami. 2 y 1 –6 –4 –2 0 2 4 x –1 –2 26 6 Tutaj wykonano to samo polecenie z µ = 0, 1. Przy ewentualnym homeomorfizmie określajacym topologiczna֒ równoważność siodla przejda֒ ֒ wiec te siodla powinna przejść na taka֒ sama֒ ֒ aca ֒ ֒ na siebie i trajektoria lacz w drugim portrecie fazowym, a tej drugiej nie ma. W punkcie µ = 0 ma wiec ֒ miejsce bifurkacja – tzw. bifurkacja heterokliniczna. Istnieja֒ inne rodzaje bifurkacji. W szczególności taka, w której mamy trajektorie֒ homokliniczna֒ dla pewnej wartości parametru i w punkcie bifurkacji ulega ona rozerwaniu.Ten rodzaj nosi nazwe֒ bifurkacji homoklinicznej i jest podstawa֒ jednego ze scenariuszy przejścia do chaosu: w wyniku ciagu bifurkacji homoklinicznych uklad staje sie֒ chaotyczny. ֒ 10 Odwzorowanie Poincaré Niech St , t ≥ 0, bedzie ukladem dynamicznym z czasem ciag ֒ lym w prze֒ strzeni X. Możemy dla niego zbudować uklad z czasem dyskretnym na dwa sposoby. Pierwszy z nich polega na tym, że ustalamy T > 0 i bierzemy V1 := ST ; wtedy Vn = V1n (n-krotne zlożenie) i Vn = SnT dla n = 1, 2, . . . . Jeżeli St0 jest homeomorfizmem dla pewnego t0 , to V1 jest taki i mamy Vn dla n ∈ Z. Dynamika ukladu dyskretnego dostarcza pewnych informacji o dynamice ukladu St , ale nie wszystkich. Przykladowo: 1) Punkty stale V1 moga֒ być punktami stalymi St , ale też trajektoriami okresowymi o okresie T, punkty okresowe V1 , których okres podstawowy n jest > 1 sa֒ już na pewno trajektoriami okresowymi St o okresie nT. 2) Zbiory niezmiennicze V1 sa֒ podzbiorami zbiorów niezmienniczych dla St i to podzbiorami wlaściwymi poza trywialnymi przypadkami zbiorów zlożonych z samych punktów stalych St . To samo dotyczy póltrajektorii dodatnich i ujemnych. To jest oczywiste wobec faktu, że trajektoria ukladu ciag ֒ lego jest zbiorem spójnym (nawet lukowo spójnym) z samej definicji. 3) To samo można powiedzieć o zbiorach granicznych ω(x) i α(x) dla V1 i St . 4) Jeśli St jest dyssypatywny, to taki sam jest V1 . Jeśli St posiada zwarty atraktor globalny A, to V1 także posiada taki atraktor A′ ⊂ A. To samo można powiedzieć o minimalnym globalnym atraktorze. W zastosowaniach czesto A′ = A i atraktor ten jest topologicznie tranzytywny tzn. ֒ dla dwóch dowolnie malych kul K(x0 , ε), K(y0 , η), istnieje t > 0 (n > 0) takie, że St (K(x0 , ε)) ∩ K(y0 , η) 6= ∅ (Vn (K(x0 , ε)) ∩ K(y0 , η) 6= ∅) . 5) Jeżeli St posiada trajektorie֒ okresowa֒ o okresie innym niż T, to uklad dyskretny Vn jej bezpośrednio nie wskaże. Z drugiej jednak strony pojawi sie֒ ona jako zbiór niezmienniczy dla V1 homeomorficzny z okregiem. W ֒ ten sposób mimo wszystko zostanie wykryta. 27 W praktyce czesto nie umiemy badać ukladu St bezpośrednio i poslugujemy ֒ sie֒ opisanym wyżej ukladem dyskretnym. Gdy X jest przestrzenia֒ skończenie wymiarowa,֒ a uklad jest dyssypatywny pozwala to otrzymać obraz przybliżony dynamiki ukladu. Wystarczy w zbiorze pochlaniajacym, który ֒ zawiera atraktor A wybrać skończona֒ liczbe֒ punktów leżacych dostatecz֒ nie gesto, a nast epnie obliczyć wartości przybliżone V na tych punktach. 1 ֒ ֒ Przedstawienie obrazów tych punktów (lub ich rzutów na dowolna֒ podprzestrzeń dwuwymiarowa) na ekranie komputera tworzy coś, ֒ ogladane ֒ co w literaturze technicznej nazywa sie֒ mapa֒ Poincaré. Daje to wyobrażenie o strukturze atraktora. W szczególnści tak zaobserwowano strukture֒ fraktalna֒ wielu atraktorów. Poniżej prezentujemy mape֒ Poincaré dla ukladu Chua: ′ x = 15 (y − 12/7x + 3(|x + 1| − |x − 1|)/14) y′ = x − y + z ′ z = −25.58y 0.4 3 2 0.2 1 –2 –1 1 –0.4 2 –0.2 0 0.2 0.4 –1 –0.2 –2 –3 –0.4 Dokladniej: sa֒ to rzuty na plaszczyzny [X, Y ] – pierwszy rysunek i [Y, Z] – drugi – tego obrazu. Druga możliwość uzyskania namiastki dyskretnej ukladu z czasem ciag transwersalnego ֒ lym St polega na wyborze w przestrzeni X tzw.ciecia ֒ Γ. Wymaga to zalożenia o strukturze przestrzeni X np. X jest otwartym podzbiorem Rk , i o strukturze samego ukladu np. R ∋ t 7→ St (x) ∈ X jest klasy C 1 dla dowolnego x ∈ X. Tak wiec ֒ przy powyższych zalożeniach podzbiór Γ ⊂ X nazywamy cieciem transwersalnym, jeśli jest hiperpo֒ 1 wierzchnia֒ k − 1-wymiarowa֒ klasy C i dla każdego x ∈ Γ wektor dtd St (x) nie jest styczny do Γ w punkcie x. Zalóżmy, że dana jest takie ciecie transwersalne Γ. Jeżeli dla pewnego ֒ x ∈ Γ istnieje tx > 0 takie, że Stx (x) ∈ Γ, to wśród wszystkich takich tx > 0 mamy element najmniejszy i dla niego kladziemy P (x) = Stx (x). Zbiór wszystkich x, dla których w ten sposób określiliśmy P (x) jest otwartym podzbiorem Γ – oznaczmy go U. Mamy wiec ֒ odwzorowanie P : U → Γ, które okazuje sie֒ być ciag le, a gdy hiperpowierzchnia Γ i ֒ p p−1 odwzorowania t 7→ St (x) sa֒ klasy C , to jest ono klasy C . Nazywamy je odwzorowaniem Poincaré (albo pierwszego powrotu). Zauważmy, że 28 w stosunku do poprzedniej metody dyskretyzacji ukladu ciag ֒ lego St tym razem wymiar ukladu dyskretnego jest o 1 mniejszy od wymiaru przestrzeni X. Dla ukladów nieskończenie wymiarowych jest to bez znaczenia, ale dla ukladów w niskich wymiarach np. 2, 3 jest to ogromne uproszczenie. W szczególności dla dim X = 2 ciecia transwersalne sa֒ krzywymi i ֒ odwzorowanie Poincaré (po zlożeniu z rzutem krzywej na odcinek) można obrazować jako P : [0, 1] → [0, 1]. Badania dyskretnych 1-wymiarowych ukladów dynamicznych stanowily poczatek ścislego badania dynamiki ֒ chaotycznej (por. wyklad Jacka Rogowskiego ,,Chaos deterministyczny i fraktale z zastosowaniami” lub [3,4]). Odwzorowanie Poincaré dostarcza informacji o trajektoriach okresowych. Jeżeli P (x0 ) = x0 (czyli x0 jest punktem stalym odwzorowania Poincaré), to trajektoria tego punktu jest okresowa (z okresem podstawowym – czasem pierwszego powrotu). Odwrotnie, jeśli Γ przecina jakaś ֒ trajektorie֒ okresowa֒ w punkcie x0 , to jest on punktem stalym odwzorowania Poincaré. Badanie pochodnej tego odwzorowania w punkcie x0 dostarcza też informacji o stabilności tej trajektorii okresowej. Jeżeli wartości wlasne P ′(x0 ) maja֒ moduly < 1, to dla x ∈ Γ bliskich x0 mamy P n (x) → x0 , co oznacza, że trajektorie bliskie trajektorii okresowej zbliżaja֒ sie֒ do niej przy t → +∞. Odwzorowanie Poincaré jest homeomorfizmem podzbioru U na inny podzbiór otwarty Γ. Dla ukladów 2-wymiarowych, gdy Γ ma wymiar 1, po zlożeniu z homeomorfizmami rzutujacymi U i P (U) na odcinki prostej, P ֒ musi wiec ֒ być odwzorowaniem monotonicznym. To jest kluczowy punkt dowodu tw. Poincaré-Bendixsona (por. wyklady z równań różniczkowych zwyczajnych). Oczywiście możliwe sa֒ różne wybory ciecia transwersalnego Γ. Dla ֒ niektórych z nich dziedzina odwzorowania Poincaré jest zbiorem pustym. Dla pozostalych powstaje pytanie jak maja֒ sie֒ do siebie otrzymane w ten sposób różne dyskretne uklady dynamiczne. Okazuje sie, ֒ że dla bliskich cieć ֒ transwersalnych odwzorowanie Poincaré sa֒ topologicznie równoważne. Dla dyskretnych ukladów dynamicznych danych przez f : X → X i g : Y → Y definicja jest bardzo prosta: uklady sa֒ topologicznie równoważne, gdy istnieje homeomorfizm h : X → Y taki, że h ◦ f = g ◦ h. 11 Przesuniecie Bernoulliego i dynamika sym֒ boliczna Podamy teraz modelowy przyklad dyskretnego ukladu dynamicznego o bardzo zlożonej dynamice – przesuniecie Bernoulliego. Przestrzenia֒ me֒ 29 tryczna֒ X jest dla niego zbiór ciagów o wyrazach 0 lub 1 : ֒ Σ2 := {(sn )n∈N : sn = 0 lub sn = 1 dla n ∈ N} z metryka֒ d((sn )n , (tn )n ) := ∞ X n=0 2−n |sn − tn |. Ta na pozór skomplikowana metryka wyznacza po prostu topologie֒ zbieżności po wspólrzednych w przestrzeni Σ2 tzn. ֒ (s(k) n )n −→ (sn )n przy k → ∞ ⇐⇒ lim s(k) n = sn dla n = 0, 1, 2, . . . . k→∞ Z kolei zbieżność ciagu zero-jedynkowego oznacza, że jego wyrazy poczawszy ֒ ֒ od pewnego indeksu k sa֒ takie same. Metryka ta ma pewna֒ ciekawaw lasność: ֒ jeżeli sn = tn dla n = 0, 1, . . . , m, to d((sn ), (tn )) ≤ 2−m i prawie odwrotnie jeżeli d((sn ), (tn )) < 2−m , to sn = tn dla n = 0, 1, . . . , m. W tej przestrzeni definiujemy odwzorowanie zwane przesunieciem Ber֒ noulliego: σ(s0 s1 s2 s3 . . .) := (s1 s2 s3 . . .) albo precyzyjniej σ((sn )n ) = (tn )n , gdzie tn = sn+1 . Odwzorowanie σ jest ciag ֒ le i definiuje dyskretny uklad dynamiczny w Σ2 . Uklad ten ma zadziwiajace wlasności. Po pierwsze zawiera trajektorie okresowe o dowolnym ֒ okresie podstawowym N : jako punkt startu wystarczy wziać ֒ ciag ֒ okresowy zero-jedynkowy o podstawowym okresie N. W szczególności punktami stalymi sa֒ ciagi (000 . . .) i (111 . . .), trajektorie okresowe o podsta֒ wowym okresie 2 startuja֒ z (101010 . . .) i (010101 . . .). Widać stad, że ֒ zbiór trajektorii okresowych jest zbiorem gestym w Σ2 . ֒ Po drugie istnieje trajektoria, która sama jest zbiorem gestym w Σ2 . ֒ Jej punkt startu konstruujemy jako ciag, w którym kolejno wyst epuj a֒ ֒ ֒ sekwencje: 0, 1, 00, 01, 10, 11, 000, 001, 010, 100, 011, 101, 110, 111, sekwencje dlugości 4 i.t.d. Konsekwencja֒ istnienia trajektorii gestej ֒ jest wspomniana wcześniej topologiczna tranzytywność ukladu. Trzecia֒ wlasnościa֒ przesuniecia Bernoulliego jest tzw. wrażliwość na ֒ warunki poczatkowe. Mówimy, że uk lad St , (t ∈ [0, ∞) lub t ∈ N) jest ֒ wrażliwy na warunki poczatkowe, jeśli istnieje liczba dodatnia M taka, że ֒ dla dowolnego x ∈ X istnieja֒ ciagi xk → x i tk → ∞ o wlasności ֒ d(Stk (xk ), Stk (x)) ≥ M. Dla przesuniecia Bernoulliego M = 2 i dla dowolnego (sn )n wybieramy ֒ (k) (k) (k) ciag ֒ (tn )n , k ∈ N, gdzie tn = sn dla n ≤ k i tn sa֒ dokladnie przeciwne 30 do sn dla n > k tzn. sa֒ równe 1 tam, gdzie sn = 0 i 0 tam,Pgdzie sn = 1. −n Wtedy odleglość miedzy σ k (t(k) ) i σ k (s) wynosi dokladnie ∞ = 2. n=0 2 ֒ Uklad dynamiczny dyskretny majacy te trzy wlasności przesuniecia ֒ ֒ Bernoulliego: (1) gestość zbioru trajektorii okresowych, (2) topologiczna֒ ֒ tranzytywność i (3) wrażliwość na warunki poczatkowe nazywamy ukladem ֒ chaotycznym w sensie Devaneya. Możemy uznać uklad z czasem ciag ֒ lym za chaotyczny, jeśli na pewnym swoim nietrywialnym zbiorze niezmienniczym np. na dziwnym atraktorze ma wspomniane trzy wlasności. Wydaje sie֒ jednak, że ta ostatnia definicja bylaby calkowicie nieweryfikowalna w przykladach, dlatego obecnie zwykle przyjmuje sie, ֒ że uklad dynamiczny z czasem ciag ֒ lym jest chaotyczny, jeśli dla pewnej jego dyskretyzacji Vn = SnT na pewnym zbiorze niezmienniczym otrzymamy uklad dyskretny semirównoważny z przesunieciem Bernoulliego. Uklad ֒ f : X → X nazywamy topologicznie semirównoważnym g : Y → Y, gdy istnieje ciag ֒ le odwzorowanie h : X → Y taki, że h ◦ f = g ◦ h. Definicja ta jest slabsza od określenia ukladów topologicznie równoważnych w tym sensie, że tam żadaliśmy by h bylo homeomorfizmem. ֒ W literaturze technicznej czesto nazywa sie֒ ukladem chaotycznym ֒ uklad, którego symulacje numeryczne sugeruja֒ istnienie skomplikowanej dynamiki. Praktycznie nigdy jednak nie uwzglednia sie֒ możliwości, że: ֒ skomplikowany atraktor jest w istocie trajektoria֒ okresowa֒ o bardzo dużym okresie; mamy do czynienia z trajektoriami quasiokresowymi; źródlem obserwowanej dynamiki sa֒ bledy zwiazane z metodami nu֒ ֒ merycznymi. Uwaga. Funkcja֒ quasiokresowa֒ nazywamy funkcje֒ postaci u(t) = F (ω1 t, . . . , ωn t), gdzie F : Rn → R jest funkcja֒ 2π-okresowa֒ ze wzgledu na każda֒ zmienna,֒ ֒ a czestości ω , j = 1, . . . , n, s a niezależne nad cia lem liczb wymiernych j ֒ ֒ tzn. n X j=1 aj ωj = 0, aj ∈ Q, j = 1, . . . , n =⇒ aj = 0, j = 1, . . . , n. Oto przyklad, gdy funkcja zdaje sie֒ być okresowa: omega1:=2: omega2:= evalf(Pi): F:=(x,y)->sin(x)+cos(y): plot(F(omega1*t,omega2*t),t=0..100,numpoints=1000); 31 2 1 0 20 40 60 80 100 t –1 –2 a to, gdy nie widzimy, żadnej prawidlowości mimo próby poprawienia obrazu w ramach możliwości MAPLE omega3:=7.123456789: F:=(x,y,z)->sin(x*y)+cos(y)-1/(sin(z)-2)-1: plot(F(omega1*t,omega2*t,omega3*t),t=0..40,numpoints=30000,resolution=1500); 2 1 10 t 20 30 40 0 –1 –2 Zauważmy, że w istocie definicja funkcji quasiokresowej nie może być zrealizowana komputerowo; komputer do obliczeń numerycznych przybliża liczby niewymierne do liczby wymiernej. Symulacje numeryczne nie moga֒ wykazać istnienia chaosu w ukladzie dynamicznym. Jednak wspomagaja֒ one poszukiwania dowodu takiej 32 dynamiki. W szczególności czesto obserwujemy istnienie ,,atraktora” ֒ skladajacego sie֒ z dwóch cześci. Można wtedy szukać cieć transwer֒ ֒ ֒ salnych i odwzorowań Poincaré z nimi zwiazanych, przy czym wskazać ֒ te֒ cześć, której przypiszemy 0 i t e, której przypiszemy 1. Wówczas punk֒ ֒ towi ciecia transwersalnego x odpowiada ciag ֒ ֒ zero-jedynkowy (sn ) taki, że sn = 0, gdy P n (x) należy do pierwszej cześci ,,atraktora” i sn = 1, ֒ n gdy P (x) należy do drugiej z nich. Jeśli tylko zadbamy o to, by blad ֒ numeryczny nie przekraczal odleglości miedzy cz eściami, to tego rodzaju ֒ ֒ badania pozwalaja֒ przeprowadzić ścisly dowód istnienia chaosu. To tylko bardzo ogólna idea. Czasami liczba cześci jest wieksza niż 2 i należy wprowadzić dynamike֒ ֒ ֒ symboliczna֒ zamiast na ciagach zero-jedynkowych, na ciagach zbudowa֒ ֒ nych z wiekszej liczby symboli np. k : ֒ Σk := {s0 s1 s2 . . . : gdzie sj = 0 lub 1 lub 2 . . . lub k − 1}, przesuniecie Bernoulliego określone tak samo, jak wcześniej (por. wyklad ֒ Jacka Rogowskiego lub [2]). Czasami też tylko niektóre z symboli sa֒ dopuszczalne po innych co opisuje macierz k × k o wyrazach 0 lub 1 (1 na miejscu aij oznacza, że po i-tym symbolu j-ty jest dopuszczalny, 0 – że nie jest). 12 Wykladniki Lapunowa Wprowadzimy teraz pojecie, które jest ważnym miernikiem wrażliwości ֒ na warunki poczatkowe dla dyskretnych ukladów dynamicznych. Istnieja֒ ֒ odpowiedniki dla ukladów z czasem ciag ֒ lym, ale ich interpretacja nie jest już oczywista. Niech f : [a, b] → [a, b] bedzie klasy C 1 i x0 ∈ [a, b]. Oznaczmy xn = ֒ f (xn−1 ) dla n ≥ 1 i n 1X λ(x0 ) := lim sup ln |f ′ (xn )|. n→∞ n i=1 Wprost z definicji liczba ta mierzy średnia֒ wartość logarytmu pochodnej wzdluż póltrajektorii dodatniej punktu x0 . Znaczenie tej liczby staje sie֒ jasne, gdy zauważymy, że n X ln f ′ (xn ) = ln(f n )′ (x0 ) i=1 i z definicji pochodnej f n (x0 + δ) − f n (x0 ) ≈ (f n )′ (x0 )δ czyli |f n (x0 + δ) − f n (x0 )| ≈ |δ| · eλn . 33 Oznacza to, że jeśli zaburzymy punkt startu x0 o mala֒ liczbe֒ δ, to póltrajektorie dodatnie obu punktów bed ֒ a֒ sie֒ od siebie oddalaly (zbliżaly λn średnio jak |δ|e . Gdy wiec ֒ λ > 0, to rzeczywiście zachodzi oddalanie sie֒ trajektorii, a gdy λ < 0, mamy zbliżanie. Liczbe֒ λ(x0 ) nazywamy wykladnikiem Lapunowa dla dyskretnego ukladu dynamicznego danego przez funkcje֒ f. Jest interesujace, że przy dość slabych zalożeniach dla prawie wszyst֒ kich x0 w definicji wykladnika Lapunowa zamiast granicy górnej istnieje granica. Jest to istotne z obliczeniowego punktu widzenia. Wartość wykladnika zależy od wyboru punktu startu, choć w wielu ważnych przykladach jest odwrotnie. Dodatniość wykladnika Lapunowa w literaturze technicznej uchodzi za wskaźnik chaotyczności ukladu. Warto jednak zauważyć, że wobec powyższych wyjaśnień dostarcza to nam tylko informacji o wrażliwości na warunki poczatkowe. Jeśli taki wykladnik jest ֒ dodatni, to znajac ֒ x0 z pomiaru, który zawsze obarczony jest pewnym bledem, znamy tylko poczatek póltrajektorii; wlaściwie nasze obliczenia ֒ ֒ dla dużych n sa֒ bezwartościowe. Uogólnienie pojecia na przypadek wielowymiarowy jest trudniejsze. ֒ Dla odwzorowania f : M → M, M ⊂ Rk , klasy C 1 definicja zależy nie tylko od punktu startu x, ale i kierunku v ∈ Rk : λ(x, v) := lim sup n→∞ 1 ln ||(f n )′ (x; v)|| n (pod norma֒ pochodna kierunkowa. Przy prostych zalożeniach możemy uniezależnić sie֒ od v. Niech M bedzie zbiorem zwartym w Rk , którego ֒ brzeg jest hiperpowierzchnia֒ k − 1-wymiarowa֒ klasy C 2 i f : M → M bedzie dyfeomorfizmem klasy C 2 (tzn. jest ono obcieciem odwzorowania ֒ ֒ tej klasy na pewnym otoczeniu zbioru M, f jest bijekcja֒ na M i odwzorowanie odwrotne jest klasy C 2 ). Wtedy f przeksztalca wnetrze zbioru ֒ M w siebie. Dla x należacych do wnetrza zbioru M istnieje wstepuj acy ֒ ֒ ֒ ֒ ciag podprzestrzeni liniowych ֒ Vx1 ⊂ Vx2 ⊂ . . . Vxs ⊂ Rk taki, że f ′ (x)(Vxj ) = Vfj(x) i podprzestrzenie te zmieniaja֒ sie֒ w sposób ciag ֒ ly w zależności od x. j j−1 Wtedy dla v ∈ Vx \ Vx λ(x, v) jest takie samo – oznaczamy je λj (x). Mamy wiec ֒ skończony uklad wykladników Lapunowa λ1 (x) < λ2 (x) < . . . < λs (x), gdzie s ≤ k. Dla prawie wszystkich x wystepuj ace w definicji granice ֒ ֒ górne sa֒ zwyklymi granicami. 34 W praktyce interesuje nas przede wszystkim najwiekszy wykladnik ֒ Lapunowa; jeśli on jest dodatni, mamy wrażliwość na warunki poczatkowe ֒ (przynajmniej dla x). Jest to wiec ֒ λmax (x) := lim sup sup n→∞ v∈Rk 1 ln ||(f n )′ (x; v)||. n Poniżej prezentujemy wykres wykladnika Lapunowa dla odwzorowania fµ (x) = µx(1 − x) odcinka [0, 1]w siebie dla µ ∈ [2.5, 4] i x = 0.1 choć wykres dla innych punktów startu jest bardzo podobny. 0.5 2.6 2.8 3 3.2 3.4 3.6 3.8 4 0 –0.5 –1 –1.5 Dla ukladów dynamicznych z czasem ciag ֒ lym najprostszy odpowiednik wykladnika Lapunowa stosuje sie֒ do: równania zwyczajnego autonomicznego x′ = f (x) z prawa֒ strona֒ f ∈ C 1 i jego rozwiazania ֒ [0, ∞) ∋ t 7→ u(t). Tworzymy mianowicie linearyzacje֒ równania wzdluż u czyli równanie liniowe y ′ = f ′ (u(t)) · y bierzemy jego macierz fundamentalna֒ t 7→ Φ(t) i obliczamy λ(u, e) := lim sup t→∞ 1 ||Φ(t)e|| ln , t ||e|| gdzie e ∈ Rk . Okazuje sie, ֒ że zawsze można wybrać macierz fundamentalna֒ Φ w ten sposób, by pojawiajaca sie֒ granica górna byla zwykla֒ granica.֒ Przy ֒ ustalonym u funkcja e 7→ λ(u, e) przyjmuje co najwyżej dim X wartości. 35 13 Miary niezmiennicze i inne wyznaczniki dynamiki Niech f : X → X wyznacza dyskretny uklad dynamiczny. Miare֒ µ na X nazywamy niezmiennicza֒ (ze wzgledu na ten uklad), jeśli ֒ µ(f −1 (A)) = µ(A), dla każdego mierzalnego A ⊂ X. Stad ֒ oczywiście µ((f n )−1 (A)) = µ(A), dla każdego mierzalnego A ⊂ X i n ≥ 0. Analogicznie dla ukladu z czasem ciag ֒ lym St , t ≥ 0 : µ(St−1 (A)) = µ(A), dla każdego mierzalnego A ⊂ X, i t ≥ 0. W praktyce interesuja֒ nas miary skończone µ(X) < ∞, które przez podzielenie przez stala֒ sprowadzić można do miar probabilistycznych. Znaczenie takich miar wynika z Tw. Poincaré o powracaniu. Jeże li µ jest skończona֒ miara֒ niezmiennicza֒ dla ukladu z czasem dyskretnym f n , n ∈ N, i A ⊂ X ma miare֒ dodatnia,֒ to zbiór B:= {x ∈ A : f n (x) ∈ / A, dla każdego n ∈ N} jest miary 0. W szczególności jeśli każda kula otwarta ma miare֒ dodatnia,֒ to uklad jest topologicznie tranzytywny. Analogicznie dla ukladu z czasem ciag ֒ lym. Dowód. Mamy dla każdego n : f −n (B) ֒ dla m < n, ∩ B = ∅. Stad −n f (B) ∩ f −m (B) = f −m f −(n−m) (B) ∩ B = ∅. Ale µ(f −n (B)) = µ(B), wiec ֒ ! ∞ ∞ ∞ [ X X −n −n µ(X) ≥ µ f (B) = µ(f (B)) = µ(B) = ∞. n=1 n=1 n=1 Sprzeczność. Majac ֒ probabilistyczna֒ miare֒ niezmiennicza֒ na X i wybierajac ֒ losowo punkt startu x i czas t możemy podać prawdopodobieństwo tego, że St (x) ∈ A ⊂ X – wynosi ono µ(A). Oznacza to w szczególności, że średni czas przebywania punktu x w zbiorze A czyli Z 1 T τ (x, A) = lim sup χA (St (x)) dt T →∞ T 0 – χA - funkcja charakterystyczna zbioru A – także wynosi średnio µ(A) (por.określenie atraktora Iljaszenki). W istocie (tw.ergodyczne) liczba τ (x, A) równa sie֒ µ(A) dla prawie wszystkich x ∈ X. Jest to podstawa numerycznego poszukiwania miary niezmienniczej. 36 Dla ustalenia uwagi weźmy uklad dyskretny dany przez funkcje֒ f : [0, 1] → [0, 1], wybierzmy duże liczby naturalne N > M, zdefiniujmy x[i, 0] := Mi dla i = 0, 1, . . . , M, oraz x[i, j] := f (x[i, j − 1]) dla tych samych i oraz 1 ≤ j ≤ N. Podzielmy teraz przedzial [0, 1] na M równych cześci Ii := [ i−1 , i ), i = 1, 2, ..., M. Funkcja schodkowa pM,N równa na Ii ֒ M M ilorazowi liczby punktów x[i, j], które wpadaja֒ do Ii do liczby wszystkich punktów = N(M +1), jest przybliżeniem gestości p miary niezmienniczej, ֒ oczywiście o ile taka miara istnieje i jest absolutnie ciag miary ֒ la wzgledem ֒ Lebesgue’a tzn. Z µ(A) = p(x) dx. A Można zmodyfikować konstrukcje֒ pM,N wybierajac ֒ np. tylko jeden punkt startu i/lub obcinajac pocz atek trajektorii ustalonej dlugości. Analo֒ ֒ giczna֒ konstrukcje֒ można powtórzyć dla ukladów z czasem ciag ֒ lym posiadajacych zwarty atraktor globalny, aproksymujac ֒ ֒ miare֒ niezmiennicza֒ na atraktorze. Dla prostych przypadków f : [0, 1] → [0, 1] udaje sie֒ w sposób ścisly znaleźć miare֒ niezmiennicza,֒ np. dla odwzorowania trójkatnego ֒ 2x dla x ∈ [0, 1/2] f (x) = 2 − 2x dla x ∈ [1/2, 1], jedyna֒ miara֒ niezmiennicza֒ jest miara Lebesgue’a, a dla wspomnianego już f (x) = 4x(1 − x) miara o gestości ֒ 14 1 . p(x) = p π x(1 − x) Analiza szeregów czasowych W tym wykladzie zajmiemy sie֒ sytuacja,֒ gdy w wyniku pomiarów zmian pewnych wielkości realnych otrzymaliśmy ciag ֒ (skończony) liczb rzeczywistych x(i), i = 0, 1, . . . , N. Można je traktować jako kolejne elementy póltrajektorii dodatniej punktu x(0) w pewnym ukladzie dynamicznym z czasem dyskretnym lub ciag wyniki pomiarów ֒ lym. Jeśli sa֒ to wiec ֒ wielkości zmieniajacej si e w sposób ci ag ly, to należy zadbać, by byly one ֒ ֒ ֒ dokonywane w jednakowych odstepach czasu. Tym razem jednak nie ֒ znamy tego ukladu dynamicznego ani tym bardziej równania, które go generuje. Jeśli badana wielkość wchodzi w zlożone interakcje z innymi albo uklad realny jest typu ,,czarnej skrzynki”, to zbudowanie modelu, jak to mialo miejsce w poprzednich wykladach jest niemożliwe. Chcemy jednak w miare֒ możliwości zorientować sie֒ o rodzaju dynamiki tego ukladu. Oczywiście znajomość jednej (niecalej) póltrajektorii nie przesadza ni֒ czego, ale znajomość wcześniej zbadanych ukladów dynamicznych sugeruje, że wybierajac ֒ x(0) przypadkowo raczej nie trafimy na punkt staly, 37 czy trajektorie֒ okresowa֒ (chyba, że uklad jest ich ,,pelen”), że asymptotycznie trajektorie zbliżaja֒ sie֒ do atraktora zwartego, wiec ֒ ewentualnie obcinajac tej póltrajektorii bedziemy przybliżali ruch na tym ֒ poczatek ֒ ֒ atraktorze, wreszcie że dla wielu ukladów charakter ruchu na atraktorze nie zależy od wyboru trajektorii z niego. W ostateczności możemy spróbować dokonać pomiarów z innymi, odleglymi punktami startu x(0). Otrzymane dane można poddać wstepnej statystycznej obróbce znaj֒ dujać ֒ średnia֒ wartość zmiennej x czyli N 1 X x̂ := x(i) N + 1 i=0 oraz jej odchylenie standardowe v u N u 1 X σx := t (x(i) − x̂)2 . N + 1 i=0 Dostarczaja֒ one wstepnej informacji o trajektorii. Maja֒ też znaczenie w ֒ poważniejszych badaniach, gdy próbujemy rozdzielić uklad na skladnik istotny i ,,szum” zwiazany z różnego rodzaju zaklóceniami np. bledem ֒ ֒ pomiaru. Tym problemem nie bedziemy si e zajmować przyjmuj ac, że ֒ ֒ ֒ zaklócenia sa֒ na tyle nieistotne, że nie przeszkodza֒ nam w zrozumieniu jakościowym dynamiki. Z drugiej strony bedziemy zestawiać wyniki ֒ otrzymane dla deterministycznych ukladów z wynikami dla tzw. bialego szumu, gdzie rozklad x(i) jest calkowicie przypadkowy. Do badań weźmiemy sześć szeregów czasowych: (1) trajektoria okresowa x(i) = sin(0.1 ∗ i), i = 0, 1, . . . , 103; (2) trajektoria quasiokresowa x(i) = sin(0.1 ∗ i) + cos(0.1 ∗ π ∗ i), i = 0, 1, . . . , 103 ; (3) trajektoria ukladu dyskretnego danego przez f : [0, 1] → [0, 1], f (x) = 4x(1 − x), x(0) = 0.2, x(i) = f (x(i − 1)), Njak poprzednio 103 ; (4) pierwsza wspólrzedna z ukladu Lorenza ֒ ′ x = σ(y − x) y ′ = rx − y − xz ′ z = xy − bz, gdzie σ = 10, b = 8/3, r = 28, dla trajektorii startujacej z warunku ֒ poczatkowego x(0) = 0.2, y(0) = 0.1, z(0) = 0.5. Bierzemy szereg cza֒ 3 sowy x(i) := x(0.01 · i), i = 0, . . . , 10 . (5) bialy szum otrzymany przez MAPLE x(i) = rand()/1012, N = 3 10 , (procedura rand() w MAPLE generuje 12-cyfrowa֒ liczbe֒ calkowita֒ i jej podzielenie przez 1012 daje liczbe֒ losowa֒ z przedzialu [0, 1]; (6) trajektoria powstala przez dodanie x(i) z punktu (3) i x(i) z punktu (5) podzielone przez 100. 38 W żadnym z tych przypadków nie mamy do czynienia z rzeczywistym szeregiem czasowym otrzymanym z pomiarów, jednak porównujac ֒ otrzymane wyniki, wyrobimy sobie poglad na rodzaj dynamiki. Bedziemy ֒ ֒ rozróżniać dynamike֒ okresowa֒ (1) od quasiokresowej (2), chaotycznej (3) i (4), a wreszcie od bialego szumu (5). W ostatnim przypadku zobaczymy, że jeśli nalożone zaklócenia sa֒ niewielkie, to dynamike֒ chaotyczna֒ nadal daje sie֒ odróżnić. Zacznijmy od bardzo prostego triku: narysujmy na ukladzie wspólrzednych ֒ punkty (x(i − 1), x(i)), i = 0, 1, . . . , N. Jeśli uloża֒ sie֒ one wzdluż pewnej krzywej, która jest wykresem pewnej funkcji, to możemy sadzić, że mamy ֒ dyskretny uklad dynamiczny zadany przez te֒ funkcje. ֒ –1 1 2 0.5 1 0 –0.5 0.5 –2 1 0 –1 –0.5 –1 –1 –2 trajektoria okresowa 1 2 trajektoria quasiokresowa 20 1 15 0.8 10 0.6 5 0.4 –10 –5 5 10 15 20 –5 0.2 –10 0 0.2 0.4 0.6 0.8 1 trajektoria ukladu logistycznego 39 trajektoria ukladu Lorenza 1 1 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0 0.2 0.4 0.6 0.8 0 1 0.2 0.4 0.6 0.8 1 bialy szum trajektoria ukladu logistycznego z dodanym szumem Widać, że tylko w trzecim i szóstym przypadku mamy przybliżony wykres funkcji. Widać też, że w ukladach chaotycznych nie mamy bezladnego rozkladu punktów; charakteryzuje on tylko bialy szum. Ważna֒ role֒ w analizie sygnalów (funkcji) okresowych pelni rozklad w szereg Fouriera. Jego odpowiednikiem dla funkcji f : R → C jest transformacja Fouriera, która takiej funkcji przypisuje funkcje֒ fˆ dana֒ wzorem Z +∞ 1 fˆ(ω) = √ e−ixω f (x) dx. 2π −∞ Teorie֒ tej transformacji można znaleźć w podrecznikach analizy funk֒ cjonalnej np. Rudina. Tutaj powiemy tylko o jej dyskretnym odpowiedniku – dyskretnej transformacji Fouriera. Ciagowi liczbowemu x(j), ֒ j = 0, 1, . . . , N − 1, (w ogólności zespolonemu) przypisuje ona ciag ֒ N −1 −2πijk 1 X z(j) := √ exp x(k), N N k=0 j = 0, ..., N − 1. Ten nowy ciag ֒ jest już zawsze zespolony. Widmem mocy dla szeregu czasowego x(j), j = 0, 1, . . . , N − 1, nazywamy ciag ֒ o wyrazach rzeczywistych P (j) := |z(j)|2 , j = 0, ..., N − 1. Poniżej prezentujemy wykresy widma mocy dla kolejnych ukladów (1)(6). 40 2500 2000 1500 1000 500 0 2000 4000 6000 8000 10000 szereg okresowy sze2500 2000 1500 1000 500 0 2000 4000 6000 reg quasiokresowy 41 8000 10000 2500 2000 1500 1000 500 0 20 40 60 80 100 6000 8000 10000 chaos w ukladzie logistycznym 2500 2000 1500 1000 500 0 2000 4000 chaos w ukladzie Lorenza 42 2500 2000 1500 1000 500 0 20 40 60 80 100 2000 4000 6000 8000 10000 bialy szum 2500 2000 1500 1000 500 0 uklad Lorenza z szumem Widoczne sa֒ dwa piki przy funkcji quasiokresowej, poza nimi krzywa gladko zbliża sie֒ do 0. Uklady chaotyczne niewiele różnia֒ sie֒ od szumu, choć uklad Lorenza znacznie odbiega tu od logistycznego. Zauważmy, że musieliśmy zawezić rachunki do N = 200. Gdyby nie to czas pracy ֒ komputera osobistego bylby zbyt duży, a pamieć ֒ zbyt mala. Ważnym miernikiem szeregu czasowego jest funkcja autokorelacji. 43 Dla nieskończonego szeregu czasowego jest ona zdefiniowana wzorem n 1X C(m) := lim x̂i+m x̂i , n→∞ n i=1 i = 1, 2, . . . , gdzie x̂j = xj − x̂. Dla szeregów skończonych urywajacych sie֒ na N, ֒ zastepujemy granice֒ przez ostatni wyraz. Oto program w MAPLE ry֒ sujacy wykres m → C(m) : ֒ autokorel:=proc(B,N) local i,j,m,srednia,c: srednia:=sum(B[i],i=0..2*N)/(2*N+1): for m from 1 to N do c(m):=sum((B[j]-srednia)*(B[j+m]-srednia),j=0..N)/(N+1): PLOT(CURVES([seq([m,c(m)],m=1..N/2)])); end do: end proc: gdzie w miejsce B wprowadzamy szereg czasowy x(i), i = 0, 1, ..., 2N. A oto wynik jej dzialania dla kolejnych szeregów czasowych: 1 0.4 0.5 0.2 0 20 40 60 80 0 100 20 40 60 80 100 80 100 –0.2 –0.5 –0.4 –1 szereg okresowy szereg quasiokresowy 0.02 80 0.01 60 20 40 60 80 100 0 40 –0.01 20 –0.02 0 chaos logistyczny 20 40 60 chaos w ukladzie Lorenza 44 0.02 0.015 0.01 0.01 0.005 0 0 20 40 60 80 20 40 60 80 100 100 –0.01 –0.005 –0.01 –0.02 bialy szum chaos logistyczny z szumem Ostatnie zagadnienie, które omówimy to rekonstrukcja atraktora na podstawie szeregu czasowego. Jeżeli mamy szereg czasowy x(i), i = 0, 1, . . . , N, i ustalimy liczbe֒ naturalna֒ d ≥ 2, to możemy polaczyć od֒ d cinkami w przestrzeni R punkty (x(i), x(i + 1), . . . , x(i + d − 1)), i = 0, 1, . . . , N − d + 1. W tej przestrzeni powstanie pewna lamana, która po odrzuceniu poczatkowych ֒ odcinków stanowi rekonstrukcje֒ atraktora ukladu. Na monitorze możemy oczywiście obserwować tylko przypadek d = 2 lub dla wiekszych d rzuty ֒ tej rekonstrukcji na różne plaszczyzny. Oczywiście konstrukcja może być przeprowadzona zawsze choć nie zawsze atraktor istnieje. Podobnie wybór wymiaru d jest dowolny i dla różnych wyborów otrzymamy różne obiekty. Ruelle udowodnil jednak, że przy dość ogólnych zalożeniach o ukladzie dynamicznym St , t ≥ 0, w przestrzni Rk gwarantujacych istnie֒ nie zwartego atraktora globalnego istnieja֒ τ > 0 i d ∈ {2, 3, . . . , k} takie, że szereg czasowy każdej ze wspólrzednych prj Siτ (x), j ustalone, i = ֒ n, n+1, . . . , jest przybliżeniem tego atraktora. Oznacza to w szcególności, że obliczajac x w równaniu Lorenza ֒ tylko szereg czasowy dla wspólrzednej ֒ i wybierajac ֒ d = 3 możemy obserwować caly trójwymiarowy atraktor. Jeśli jednak nie znamy ukladu dynamicznego, a jedynie pewien szereg czasowy, to także możemy próbować wykonać te֒ procedure. ֒ Zrobimy to dla naszych sześciu szeregów czasowych wybierajac d = 2. ֒ –1 1 2 0.5 1 0 –0.5 0.5 –2 1 –1 0 –0.5 –1 –1 –2 szereg okresowy szereg quasiokresowy 45 1 2 20 1 15 0.8 10 5 0.6 –15 –10 –5 5 10 15 20 0.4 –5 –10 0.2 –15 0 0.2 0.4 0.6 0.8 1 chaos logistyczny 1 1 0.8 0.8 0.6 0.6 0.4 0.4 0.2 0.2 0 0.2 bialy szum 15 chaos w ukladzie Lorenza 0.4 0.6 0.8 0 1 0.2 0.4 0.6 0.8 1 chaos logistyczny z szumem Podstawowe prawa mechaniki nieba Dość typowy poglad, że odkrycia Kopernika stanowia֒ poczatek wspólczesnej ֒ ֒ astronomii, jest z gruntu falszywy. Po pierwsze, umieszczenie Slońca w centrum wszechświata bylo tylko powrotem do pogladów wielu astro֒ nomów starożytnych. Po drugie, centralność tej gwiazdy jest prawdziwa jedynie w odniesieniu do lokalnego systemu planetarnego, a stwierdzenie, że planety poruszaja֒ sie֒ po okregach o środkach w środku Slońca ֒ jest falszywe. Po trzecie wreszcie, opis ruchu planet wymaga jakiegoś uzasadnienia, a u Kopernika jest czysto fenomenologiczny. W prawie 100 lat później Johann Kepler na bazie obserwacji Tychona Brahe poprawil model Kopernika. W opisie Keplera planety poruszaja֒ sie֒ po elipsach, a Slońce znajduje sie֒ w ognisku każdej z elips. Ponadto Kepler sformulowal ilościowe prawa ruchu po tych elipsach, wyjaśniajac ֒ zmiany predkości ruchu w różnych punktach toru planety i zwiazki miedzy okre֒ ֒ ֒ sem ruchu a rozmiarami elipsy. Nadal jednak brakowalo uzasadnienia tych praw i jakiejś ich uniwersalności. Wiedziano już bowiem, że Uklad Sloneczny jest tylko niewielkim fragmentem wszechświata i, być może sa֒ w nim jeszcze inne uklady planetarne. Dopiero fundamentalne dzielo Izaaka Newtona z 1687 roku wypelnilo brakujac ֒ a֒ luke. ֒ Newton zalożyl, że pomiedzy każdymi dwoma cia lami dzia la si la zwana sila֒ grawitacji i ֒ podal ilościowy wzór na te֒ sile. ֒ Konsekwencja֒ dzialania tej sily okazaly 46 sie֒ prawa Keplera. W późniejszych latach zaobserwowano pewne odchylenia ruchu planet od praw Keplera, ale bylo to tylko potwierdzeniem teorii Newtona, ponieważ prawa Keplera otrzymuje sie֒ przy zalożeniu, że jedyna֒ sila dzialajac grawita֒ a֒ na dana֒ planete֒ jest sila przyciagania ֒ cyjnego Slońca zaniedbujac planetami także ֒ fakt, że przecież pomiedzy ֒ dzialaja֒ sily grawitacji. Ponieważ sila grawitacji zgodnie ze wzorem Newtona jest proporcjonalna do mas oddzialujacych cial, nieuwzglednianie ֒ ֒ oddzialywań miedzy planetami jest uzasadnione tym, że masy planet sa֒ ֒ znikomo male w porównaniu z masa֒ Slońca. Zagadnienie ruchu dwóch cial pod wplywem sily grawitacji wedlug wzoru Newtona nazywane jest zagadnieniem dwóch cial i jest przedmiotem niniejszego opracowania. Jeśli zamiast dwóch rozważamy N cial, wówczas mamy do czynienia z zagadnieniem N cial stanowiacym do dziś sile֒ napedow a֒ dużych fragmentó ֒ ֒ matematyki (teorii równań różniczkowych zwyczajnych, teorii ukladów dynamicznych, teorii chaosu). Nawet dla N = 3 ciagle pojawiaja֒ sie֒ ֒ nowe zaskakujace rezultaty jakościowe i ilościowe. ֒ Zalożmy, że mamy dwa ciala: jedno o masie M i drugie o masie m. Bedziemy zakladać, że ciala maja֒ zaniedbywalnie male (w stosunku do ֒ odleglości miedzy nimi) rozmiary, sa֒ punktowe. Jeśli poczatek karte֒ ֒ 3 zjańskiego ukladu wspólrzednych w R umieścić w ciele M, wtedy wzór ֒ na sile֒ grawitacji dzialajac ֒ a֒ na cialo m ma postać: Mm F~ = −G 3 (x, y, z), r gdzie G jest pewna֒ uniwersaln pa֒ stala֒ fizyczna֒ (stala֒ grawitacji G = −11 2 2 6, 67 · 10 N m /kg ), a r = x2 + y 2 + z 2 odleglościa֒ miedzy cialami. ֒ Znak − powoduje, że jest to sila przyciagaj aca, a po latwym sprawdzeniu ֒ ֒ widzimy, że Mm ||F~ || = G 2 r co odpowiada naszym szkolnym nawykom. W rzeczywistości poczatek ֒ ukladu wspólrzenych powinniśmy umieścić w środku masy ukladu obu ֒ cial, ale przy zalożeniu, że masa m jest znacznie mniejsza niż M, środek ukladu leży bardzo blisko wiekszej masy. Jeśli w chwili poczatkowej ֒ ֒ mamy zadane polożenie ciala m i jego predkość, wówczas można pokazać, ֒ że dalszy ruch odbywa sie֒ w plaszczyźnie wyznaczonej przez ten punkt i wektor. Na tej plaszczyźnie bedziemy używać notacji zespolonej i wspólrzednych ֒ ֒ biegunowych do opisu polożenia punktu. Niech wiec po lożenie cia la mw ֒ chwili t bedzie oznaczone z(t) i ֒ z(t) = r(t)eiθ(t) , (1) gdzie r(t) oznacza odleglość miedzy cialami w chwili t i θ(t) ∈ R jest ֒ argumentem polożenia z(t). Przypomnijmy teraz druga֒ zasade֒ dynamiki 47 Newtona, która mówi, że jeśli na punkt o masie m dziala sila F~ , to punkt ten porusza sie֒ w ten sposób, że jego przyśpieszeniem jest wektor ~a, przy czym F~ = m~a. Oczywiście zarówno sila, jak i przyśpieszenie sa֒ tu wielkościami zmieniajacymi sie֒ w czasie, a wiec ֒ ֒ funkcjami zmiennej t. Przypomnijmy jeszcze, że przyśpieszenie jest pochodna֒ funkcji predkości punktu, a ta z kolei ֒ jest pochodna֒ funkcji polożenia – tutaj t 7→ z(t) : a(t) = v ′ (t), v(t) = z ′ (t). W dalszym ciagu bedziemy opuszczać argument t we wszystkich funk֒ ֒ cjach dla uproszczenia zapisu. Tak wiec ֒ zachodzi zwiazek ֒ ma = −G Mm iθ e . r2 Jest to w istocie równanie różniczkowe rzedu drugiego w C : ֒ z ′′ = −G M iθ e . r2 Korzystajac ֒ z (1) dostaniemy z ′ = ireiθ θ′ + eiθ r ′ , z ′′ = ir ′ eiθ θ′ − reiθ (θ′ )2 + ireiθ θ′′ + +ieiθ θ′ r ′ + eiθ r ′′ = = −reiθ (θ′ )2 + eiθ r ′′ + i reiθ θ′′ + 2eiθ θ′ r ′ . Zatem dostajemy równanie różniczkowe: −GM 1 iθ iθ ′ 2 iθ ′′ iθ ′′ iθ ′ ′ e = −re (θ ) + e r + i re θ + 2e θ r , r2 które po podzieleniu przez eiθ przyjmuje postać −GM 1 = −r(θ′ )2 + r ′′ + i (rθ′′ + 2θ′ r ′ ) . 2 r Porównujac rzeczywiste i urojone dostaniemy uklad równań: ֒ cześci ֒ −GM 1 = −r(θ′ )2 + r ′′ , r2 0 = rθ′′ + 2θ′ r ′. (2) (3) Po pomnożeniu obu stron (3) przez r zauważamy, że prawa strona jest pochodna֒ funkcji r 2 θ′ , wiec ֒ równanie (3) przyjmuje postać ′ r2 θ′ = 0 48 czyli funkcja r 2 θ′ jest calka֒ pierwsza֒ ukladu. Stad ֒ r 2 θ′ = c, gdzie c jest pewna֒ stala.֒ Zauważmy, że dla c = 0 mamy wtedy θ′ = 0, co daje nam ruch wzdluż promienia wodzacego. Z pierwszego równania ֒ (2) widzimy, że jest to ruch spelniajacy zależność ֒ r ′′ = −GM 1 . r2 Nie bedziemy szukać jawnych rozwiazań tego ostatniego równania, choć ֒ ֒ jest to możliwe. Zauważymy tylko, że jeśli w chwili poczatkowej r ′ (0) ≤ 0, ֒ to ruch jest od poczatku dośrodkowy z rosnacym przyśpieszeniem, aż do ֒ ֒ ′ osiagni ecia osobliwości r = 0, a jeśli r (0) > 0, to poczatkowo r rośnie ֒ ֒ ֒ coraz wolniej, nastepnie zatrzymuje si e i dalszy ruch odbywa si e ֒ ֒ ֒ wedlug poprzedniego scenariusza. Ciekawszy jest przypadek, gdy c 6= 0. Możemy zakladać c > 0, bo przypadek c < 0 jest symetryczny i odpowiada zmianie orientacji plaszczyzny. Podstawmy do równania (2) s = r −1 . Wtedy r′ = − 1 1 ′ s (t) = − 2 s′ (θ)θ′ (t) = −cs′ (θ) 2 s s – tutaj musieliśmy już wstawić argumenty, aby nie dporowadzić do nieporozumienia. Po drugim zróżniczkowaniu mamy r ′′ = −cs′′ (θ)θ′ (t) = −c2 s2 s′′ (θ) i możemy wstawić to do równania (2) −GMs2 = −s−1 (cs2 )2 − c2 s2 s′′ (θ). Po podzieleniu obu stron przez −c2 s2 otrzymamy równanie s′′ (θ) + s = GM . c2 (4) Jest to proste równanie liniowe rzedu drugiego o stalych wspólczynnikach. ֒ Rozwiazaniami równania jednorodnego sa֒ funkcje θ 7→ a sin θ + b cos θ, a ֒ jedno z rozwiazań równania niejednorodnego latwo odgadujemy – jest to ֒ GM funkcja stala c2 . Zatem dowolne rozwiazanie równania (4) ma postać ֒ s(θ) = a sin θ + b cos θ + GM , c2 gdzie a i b sa֒ dowolnymi stalymi. Jeśli weźmiemy θ0 takie, że sin θ0 = √ a , a2 + b2 cos θ0 = √ 49 b , a2 + b2 to kladac ֒ k = √ a2 + b2 wobec wzoru cos(θ − θ0 ) = cos θ cos θ0 + sin θ sin θ0 , otrzymamy s(θ) = k cos(θ − θ0 ) + GM . c2 Wracajac ֒ do funkcji r, otrzymamy r(θ) = c2 c2 k 2 cos(θ − θ0 ) + GM czyli po wstawieniu nowych stalych α = r(θ) = c2 , GM ε = αk 2 mamy α , 1 + ε cos(θ − θ0 ) (5) gdzie α > 0, natomiast ε ≥ 0. Możemy przyjać, że θ0 = 0 odpowiednio ֒ wybierajac ֒ oś rzeczywista֒ na naszej plaszczyźnie zespolonej (θ = θ0 – równanie dodatniej pólosi rzeczywistej). Jeśli w równaniu (5) przejść do wspólrzednych kartezjańskich x = r cos θ, y = r sin θ, to zapisze sie֒ ono ֒ w postaci p p α x2 + y 2 x2 + y 2 = p x2 + y 2 + εx i po prostych przeksztalceniach p x2 + y 2 = α − εx, skad ֒ po podniesieniu obu stron do kwadratu otrzymamy równanie kwadratowe (1 − ε2 )x2 + y 2 + 2αεx − α2 = 0. (6) Jak wiadomo, równania kwadratowe opisuja֒ krzywe rzedu drugiego, czyli ֒ okrag, elipse, Taki jest wiec ֒ ֒ parabole֒ lub hiperbole. ֒ ֒ ksztalt trajektorii ruchu ciala m. Zobaczymy teraz, że o ksztalcie trajektorii decyduje nieujemny wspólczynnik ε zwany mimośrodem. Niech najpierw ε = 0. Wtedy równanie (5) przyjmuje postać r = α – równanie okregu. Jeżeli ε ∈ (0, 1), to w (5) mia֒ nownik nie znika dla żadnego kata θ, czyli jest to równanie krzywej za֒ mknietej (okresowość funkcji cosinus). Taka֒ krzywa֒ spośród wymienio֒ nych powyżej jest elipsa. Nietrudno zauważyć, że stosunek dlugości pólosi 1 tej elipsy wynosi 1−ε wiec 2 , daży ֒ ֒ do 1 przy ε → 0 – wtedy elipsa zbliża sie֒ do okregu. Przy rosnacym do 1 ε, elipsa coraz bardziej sie֒ splaszcza. ֒ ֒ Dla ε = 1 równanie nasze przyjmuje postać we wspólrzednych karte֒ zjańskich y 2 + 2αx − α2 = 0 50 i oczywiście opisuje parabole. Nie jest to już krzywa zamknieta, cialo ֒ ֒ m zbliża sie֒ do centrum, aby nastepnie uciec do nieskończoności. Osia֒ ֒ symetrii toru jest oś x, a tor ten przecina sie֒ z osia֒ x w punkcie α/2, a z osia֒ y w punktach ±α. Dla ε > 1 równanie toru ruchu opisuje hiperbole. ֒ Możemy zaobserwować, że poczatek uk ladu wspó lrz ednych znajduje si e֒ ֒ ֒ w ognisku jednej z dwóch galezi tej hiperboli. ֒ Poniżej przedstawiamy obrazy trajektorii otrzymane przy pomocy MAPLE dla różnych wartości parametru ε. alpha:=1: varepsilon:=0: plot(alpha /(1+epsilon*cos(theta)),theta= 0..6.28,coords=polar); 1 0.5 –1 –0.5 0.5 1 –0.5 –1 alpha:=1: epsilon:=0.6: plot(alpha /(1+epsilon*cos(theta)),theta= 0..6.28,coords=polar); 1 0.5 –2.5 –2 –1.5 –1 –0.5 0.5 –0.5 –1 alpha:=1: epsilon:=1: plots[implicitplot](y^2+2*alpha*x-alpha^2=0,x=-5..0.6,y=-4..4); 51 3 2 y 1 –5 –4 –3 –2 –1 x –1 –2 –3 alpha:=1: epsilon:=2: plots[implicitplot]((1-epsilon^2)*x^2+y^2+2*alpha*epsilon*x-alpha^2=0, x=-5..5,y=-4..4); 4 y 2 –1 1 2 3 x –2 –4 Wróćmy do równań (2) i (3). Przypomnijmy, że drugie z nich prowadzi do calki pierwszej r 2 θ′ ; przypomnijmy też wzór na pole obszaru ograniczonego krzywa֒ zadana֒ we wspólrzednych biegunowych wzorem ֒ θ 7→ r(θ), θ ∈ [θ1 , θ2 ] oraz pólprostymi θ = θ1 i θ = θ2 : Z 1 θ2 S= r(θ)2 dθ. 2 θ1 Skoro θ jest funkcja֒ czasu możemy zbudować funkcje֒ t 7→ S(t) przyjmujac ֒ we wzorze na pole θ1 = θ(0) i θ2 = θ(t). Pamietamy, że funkcja t 7→ θ(t) ֒ jest rosnaca (malejaca), a dla dużych t, gdy bedziemy mieli |θ(t) − θ1 | > ֒ ֒ ֒ 2π, pola zakreślone po calym obrocie należy liczyć powtórnie. Zatem Z 1 θ(t) S(t) = r(θ)2 dθ 2 θ1 i stad ֒ S ′ (t) = r(θ(t))2 θ′ (t) = c. Oznacza to, że funkcja t 7→ S(t) jest liniowa: S(t) = c1 t + c2 . Kepler zauważal stad, że gdy przedzialy czasowe [t1 , t2 ] i [t3 , t4 ] maja֒ równa֒ ֒ dlugość, to S(t2 ) − S(t1 ) = c1 (t2 − t1 ) = c1 (t4 − t3 ) = S(t4 ) − S(t3 ) 52 i formulowal to w postaci zwanej dzisiaj drugim prawem Keplera: Pola zakreślane przez promień wodzacy planety w równych odstepach ֒ ֒ czasu sa֒ równe. (Arnold ,,Metody matematyczne mechaniki klasycznej” pisze o stalej predkości polowej c, która jest bezpośrednio zwiazana z momentem pedu.) ֒ ֒ ֒ Przypomnijmy teraz równanie (2) z uwzglednieniem stalości predkości ֒ ֒ polowej c : c2 1 r ′′ = 3 − GM 2 . (7) r r Wedlug terminologii stosowanej przez Arnolda jest to uklad zachowawczy z jednym stopniem swobody. Teoria takich ukladów byla omówiona w na wykladzie z równań różniczkowych zwyczajnych. Wprowadza sie֒ funkcje֒ zwana֒ potencjalem; jest to dowolna funkcja pierwotna dla −prawej strony równania (7), czyli tutaj c2 GM − . 2r 2 r Poniżej przedstawiamy ksztalt wykresu potencjalu. U(r) = 0.6 0.4 0.2 0 1 2 3 4 5 r –0.2 –0.4 Potencjal wyznacza druga֒ calke֒ pierwsza֒ – energie֒ (calkowita): ֒ 1 E = r ′2 + U(r). 2 Z tego wykresu możemy wywnioskować, że dla energii ujemnych mamy trajektorie zamkniete (wobec wcześniejszych rozważań elipsy lub okregi). ֒ ֒ c2 . Dla tej Minimum potencjalu latwo znaleźć – jest ono dla r = r0 = GM wartości promienia otrzymujemy orbite֒ kolowa.֒ Odpowiada ona energii 2 2 E0 = U(r0 ) = − G2cM2 . Dla energii ujemnych, ale wiekszych od E0 mamy ֒ dwa rozwiazania równania U(r) = E : ֒ p p GM − G2 M 2 − 2|E|c2 GM + G2 M 2 − 2|E|c2 r1 = , r2 = . 2|E| 2|E| Okres obiegu trajektorii zamknietej odpowiadajacej energii E jest równy ֒ ֒ (por. [1]) Z r2 √ Z r2 dr r dr p √ T = 2 =2 . (8) 2 2Er + 2GMr − c2 E − U(r) r1 r1 53 Po prostym calkowaniu dostaniemy T = √ 2Er 2 + 2GMr − E i po uwzglednieniu tego, że ֒ dostaniemy √ c2 −√ GM GM − 2|E|r arcsin p 3/2 2|E| GM − 2|E|c2 !r 2 r1 2Er 2 + 2GMr − c2 znika dla r = r1 i r = r2 , GMπ T =√ . 2|E|3/2 (9) Znajdziemy teraz dlugości pólosi elipsy w zależności od energii. Zauważmy, że środek elipsy leży na osi x, że poczatek ukladu wspólrzednych ֒ ֒ leży wewnatrz elipsy, a pó loś na osi y jest krótsza. St ad krótsza póloś ma ֒ ֒ c2 dlugość ǎ := α = GM , a znaleźć póloś dluższa֒ można na dwa sposoby. Z jednej strony GM , 2â = r1 + r2 = |E| a z drugiej α α α + = . 1−ε 1+ε 1 − ε2 Zatem â = GM/2|E| i porównujac ֒ ten wynik z (9) otrzymamy 2â = 2π 3/2 T =√ â GM lub 4π 2 3 â . T = GM Kepler wyrażal to w postaci nazywanej dzisiaj trzecim prawem Keplera: Kwadraty okresów obiegu planet maja֒ sie֒ do siebie tak, jak sześciany dużych pólosi elips, po których te planety sie֒ poruszaja.֒ 2 54